What You Need to Know Before
You Start

Starts 5 June 2025 21:15

Ends 5 June 2025

00 days
00 hours
00 minutes
00 seconds
course image

Una forma más inteligente de ajustar LLMs - Desbloquear un razonamiento más profundo

Descubre un enfoque más inteligente para ajustar modelos de lenguaje grandes que mejora sus capacidades de razonamiento y generalización a partir del aprendizaje contextual, basado en la investigación de Google DeepMind.
Discover AI via YouTube

Discover AI

2463 Cursos


19 minutes

Optional upgrade avallable

Not Specified

Progress at your own speed

Free Video

Optional upgrade avallable

Resumen

Descubre un enfoque más inteligente para ajustar modelos de lenguaje grandes que mejora sus capacidades de razonamiento y generalización a partir del aprendizaje contextual, basado en la investigación de Google DeepMind.

Programa de estudio

  • Introducción a los Modelos de Lenguaje Grande (LLM)
  • Visión general de la arquitectura de los LLM
    Aplicaciones actuales de los LLM
    Desafíos en razonamiento y generalización
  • Comprendiendo el Ajuste Fino
  • Conceptos básicos del ajuste fino del modelo
    Diferencias entre preentrenamiento y ajuste fino
    Limitaciones de las técnicas convencionales de ajuste fino
  • Técnicas Avanzadas de Ajuste Fino
  • Metaaprendizaje para LLM
    Ingeniería de prompts y su impacto en el razonamiento
    Enfoques de aprendizaje zero-shot y few-shot
  • Mejorando el Aprendizaje en Contexto
  • Concepto de aprendizaje en contexto
    Métodos para mejorar la comprensión contextual
    Estudios de caso sobre aprendizaje en contexto efectivo
  • Mejorando las Capacidades de Razonamiento
  • Mecanismos de razonamiento en los LLM
    Técnicas para mejorar el razonamiento lógico
    Evaluación de mejoras en el razonamiento
  • Perspectivas de Investigación de Google DeepMind
  • Resumen de hallazgos clave de investigación
    Estrategias para un ajuste fino más inteligente
    Implicaciones de la investigación de DeepMind en el desarrollo futuro de LLM
  • Aplicaciones Prácticas y Estudios de Caso
  • Aplicaciones del mundo real de LLM mejorados en razonamiento
    Estudios de caso mostrando el rendimiento mejorado del modelo
    Consideraciones éticas en el despliegue de LLM optimizados para el razonamiento
  • Herramientas y Marcos para el Ajuste Fino de LLM
  • Introducción a herramientas y bibliotecas populares
    Configuración de un entorno de ajuste fino
    Sesión práctica: Ajuste fino de un LLM básico para tareas de razonamiento
  • Evaluación y Métricas
  • Métricas para evaluar razonamiento y generalización
    Conjuntos de datos de referencia para la evaluación de LLM
    Estrategias de monitoreo y evaluación continuos
  • Direcciones Futuras en el Desarrollo de LLM
  • Tendencias emergentes en la investigación de LLM
    El papel de los LLM en el avance de las capacidades de IA
    Desafíos potenciales y áreas de mejora
  • Conclusión del Curso
  • Resumen de los aprendizajes clave
    Sesión interactiva de preguntas y respuestas
    Recursos recomendados para estudios adicionales

Asignaturas

Ciencias de la Computación