Leer por colección
Ingeniería de LLMs: de la base a producción
DEL MODELO BASE A PRODUCCIÓN: LA TRILOGÍA PARA DOMINAR LLMS Tienes una idea: un asistente que conozca los productos de tu empresa, un generador de código que domine tu stack inte...
3 libros
Ingeniería de LLMs: de la base a producción
DEL MODELO BASE A PRODUCCIÓN: LA TRILOGÍA PARA DOMINAR LLMS Tienes una idea: un asistente que conozca los productos de tu empresa, un generador de código que domine tu stack interno, un sistema que responda con precisión sobre tu documentación técnica. Ya probaste prompts largos, tal vez descargaste un modelo abierto.
Pero hay un techo: cuando el contexto no alcanza o necesitas un estilo propio, la ingeniería de prompts se queda corta. Ese techo es el punto de partida de esta trilogía.
Tres libros, tres eslabones de una misma cadena: pasar de un modelo base a un sistema especialista, alineado y en producción. 👉 Primer eslabón: Fine-Tuning de Modelos de Lenguaje Grande.
De modelos base a IA específica de dominio. Aprenderás a preparar datos de instrucciones de calidad, elegir entre full fine-tuning y LoRA, entrenar sin fundir la memoria de tu GPU y evaluar con métricas que importan.
También a diagnosticar los problemas típicos: sobreajuste, catástrofe del olvido, datos mal formateados. Es el manual de campo para que el modelo aprenda de tus datos, no solo de prompts más largos.
✨ Segundo eslabón: Fine-Tuning Large Language Models: RLHF, DPO, and Preference Optimization. Porque un modelo que sabe no es lo...
Libros de la serie
Libro 1
Fine-Tuning de Modelos de Lenguaje Grande: De Modelos Base a IA Específica de Dominio
Miles Thornton
Libro 1
Fine-Tuning de Modelos de Lenguaje Grande: De Modelos Base a IA Específica de Dominio
Miles Thornton
Un modelo base con 70 mil millones de parámetros puede completar poemas, pero no sabe responder una pregunta simple sobre políticas de devolución de tu empresa. El fine-tuning es la diferencia entre un modelo impresionante y un asistente útil, y este libro te...
Libro 2
Fine-Tuning Large Language Models: RLHF, DPO, and Preference Optimization
Miles Thornton
Libro 2
Fine-Tuning Large Language Models: RLHF, DPO, and Preference Optimization
Miles Thornton
Imagina que has entrenado un modelo de lenguaje en un corpus masivo y lo has ajustado finamente con datos supervisados. Tus métricas de perplejidad son excelentes, pero cuando lo pruebas con usuarios reales, falla en aspectos sociales: puede ser grosero, evas...
Libro 3
Ingeniería de Modelos de Lenguaje Grande: Entrenamiento Distribuido, Inferencia y Producción
Daniel Foster
Libro 3
Ingeniería de Modelos de Lenguaje Grande: Entrenamiento Distribuido, Inferencia y Producción
Daniel Foster
Un modelo de lenguaje con 70 mil millones de parámetros puede entrenar durante semanas en un clúster dedicado y, sin embargo, fallar miserablemente cuando intentas servirlo a usuarios reales. La razón no es el modelo en sí, sino la infraestructura que lo rode...