Home / Search / Grandes modelos de lenguaje: una guía práctica (Spanish Edition): Comprensión y generación del lenguaje

- ISBN-13 · 9781098180119
- ISBN-10 · 1098180119
- Publisher · O'Reilly Media
- Format · paperback, 452 pages
- Published · 2026
- Language · Spanish
Grandes modelos de lenguaje: una guía práctica (Spanish Edition): Comprensión y generación del lenguaje
Buy from a seller
No copies for sale right now.
Check back soon — sellers list new copies every day.
About this book
La IA ha adquirido nuevas y sorprendentes capacidades lingüísticas en los últimos años. Impulsados por los rápidos avances en Deep Learning, los sistemas de IA lingüística son capaces de escribir y comprender textos mejor que nunca. Esta tendencia está dando lugar a nuevas funciones, productos e industrias enteras. A través de la naturaleza visualmente educativa de este libro, los lectores aprenderán herramientas prácticas y conceptos que necesitan para utilizar estas capacidades hoy en día.
Aprenderás a utilizar modelos de lenguaje de gran tamaño previamente entrenados para casos de uso como la redacción publicitaria y la síntesis; a crear sistemas de búsqueda semántica que van más allá de la coincidencia de palabras clave; y a utilizar bibliotecas existentes y modelos previamente entrenados para la clasificación, búsqueda y agrupación de textos. Este libro también te ayuda a:
Comprender la arquitectura de los modelos de lenguaje Transformer que destacan en la generación y representación de texto. Comprender la arquitectura de los modelos de lenguaje Transformer que destacan en la generación y representación de texto. Construir canalizaciones avanzadas de LLM para agrupar documentos de texto y explorar los temas que tratan. Construir motores de búsqueda semántica que vayan más allá de la búsqueda por palabras clave, utilizando métodos como la recuperación densa y los reordenadores. Explora cómo se pueden utilizar los modelos generativos, desde la ingeniería de prompts hasta la generación aumentada por recuperación. Obtén una comprensión más profunda de cómo entrenar LLMs y optimizarlos para aplicaciones específicas utilizando el ajuste fino de modelos generativos, el ajuste fino contrastivo y el aprendizaje en contexto.