Curso iniciación fine tuning

Módulo 1: Fundamentos y Contexto del Fine Tuning en IA

• Introducción al fine tuning: qué es y por qué es clave para personalizar modelos de inteligencia artificial preentrenados.
• Breve recorrido por la evolución de la inteligencia artificial y el papel actual del fine tuning en la mejora de modelos.
• Diferencias entre modelos preentrenados genéricos y modelos ajustados a tareas específicas mediante fine tuning.
• Ejemplos prácticos de fine tuning en aplicaciones cotidianas: desde asistentes conversacionales personalizados hasta sistemas de recomendación.
• Panorama de las tendencias y avances recientes en técnicas de ajuste fino y su impacto en la industria.

Módulo 2: Conceptos Básicos y Preparación para Fine Tuning

• Principios fundamentales del machine learning aplicados al fine tuning.
• Comprensión de los tipos de aprendizaje supervisado y no supervisado en el contexto del ajuste fino.
• Introducción a los algoritmos y arquitecturas comunes que se ajustan mediante fine tuning, incluyendo modelos de lenguaje y redes neuronales profundas.
• Preparación y curación de datos: cómo seleccionar, limpiar y formatear conjuntos de datos para un ajuste fino efectivo.
• Herramientas y entornos básicos para comenzar: configuración inicial con librerías como Hugging Face Transformers y plataformas accesibles.

Módulo 3: Arquitectura y Técnicas de Fine Tuning

• Estructura y funcionamiento de los modelos base que se ajustan, con énfasis en modelos de lenguaje (LLMs) y redes neuronales.
• Métodos de fine tuning: desde el ajuste completo hasta técnicas más eficientes como LoRA (Low-Rank Adaptation) y PEFT (Fine Tuning Eficiente en Parámetros).
• Configuración de hiperparámetros y estrategias para un entrenamiento óptimo.
• Cómo evitar problemas comunes como el sobreajuste y el subajuste durante el proceso.
• Ejercicios prácticos para realizar un fine tuning básico en un modelo simple.