Grandes Modelos de Lenguaje Conceptos, técnicas y aplicaciones
Guardado en:
| Autor principal: | |
|---|---|
| Formato: | Libro |
| Lenguaje: | español |
| Edición: | Primera Edición |
| Etiquetas: |
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
MARC
| LEADER | 00000nam a22000007a 4500 | ||
|---|---|---|---|
| 001 | C00602442 | ||
| 003 | PE-LiUPU | ||
| 005 | 20260715193957.0 | ||
| 008 | 250603b |||||||| |||| 00| 0 spa d | ||
| 020 | |a 9789878983790 | ||
| 040 | |a PE-LiUPU |b spa |c PE-LiUPUJ |e rda | ||
| 082 | |2 20 |a 004.512 |b A875 | ||
| 100 | |a Abutridy, John Atkinson | ||
| 245 | |a Grandes Modelos de Lenguaje |b Conceptos, técnicas y aplicaciones |c Abutridy, John Atkinson | ||
| 250 | |a Primera Edición | ||
| 264 | |a Mexico |b Editorial Alfaomega |c 2023 | ||
| 300 | |a 261 páginas |b cuadros |c 24 cm. | ||
| 501 | |a Conceptos, técnicas y aplicaciones | ||
| 504 | |a bibliografía en páginas: 253-261 | ||
| 505 | |a CAPÍTULO 1Inteligencia artificial generativa -- Funcionamiento de la IA generativa -- Focos de la IA generativa – Aplicaciones -- Modelos de lenguaje generativos – Conclusiones -- CAPÍTULO 2 Introducción -- Modelos de lenguaje autorregresivos -- Modelos de lenguaje estadísticos -- Modelos de lenguaje neuronales -- Modelos de lenguaje preentrenados --Grandes modelos de lenguaje -- Modelos de embeddings de palabras -- Redes neuronales recurrentes -- Redes neuronales recurrentes simples -- Redes de memoria a corto-largo plazo – Autoencoders -- Cuello de botella de la información -- Variables latentes -- Arquitectura de un Autoencoder -- Tipos de Autoencoders -- Redes adversarias generativas -- Modelos de atención -- Problema del encoder-decoder -- Atención en modelos de secuencia – Transformers -- Capa del encoder -- Codificación posicional -- Conexiones residuales -- Capa del decoder -- Capa lineal y SoftMax -- Entrenamiento – Inferencia -- Función de pérdida –Conclusiones -- CAPÍTULO 3 Introducción -- Habilidades emergentes -- Técnicas de mejoramiento de capacidades -- Corpus comunes -- Tipos de entrenamiento -- Tipos de aprendizaje -- Tipos de tokenización -- BERT – Funcionamiento -- Arquitectura -- Entrada del modelo -- Salida del modelo -- Modelos preentrenados basados en BERT GPT -- El modelo GPT y GPT-2 -- El modelo GPT-3 -- El modelo GPT-4 -- Reinforcement Learning from Human Feedback Vocabulario -- Entrenamiento -- PaLM-2 -- LLaMA -- Datos de preentrenamiento -- Arquitectura -- Objetivos y métricas --Preentrenamiento de LaMDA -- MEGATRON -- Datos de entrenamiento --CAPÍTULO 4 – Introducción -- Tareas de evaluación -- Tareas básicas de evaluación -- Tareas avanzadas de evaluación -- Tareas de cumplimiento de regulaciones -- Métricas y puntos de referencia -- Datasets de Benchmark -- SQuAD (Stanford Question Answering Dataset) -- GLUE (General Language Understanding Evaluation) -- SNLI (Stanford Natural Language Inference) -- ARC (Abstraction and Reasoning Corpus) -- Evaluación de LLM -- CAPÍTULO 5 -- Clasificación de sentimientos -- Búsqueda semántica en textos --Razonamiento con agentes de lenguaje -- Inferencia causal -- Acceso a bases de datos en lenguaje natural -- Cargando y preguntando por datos propios -- Realizando ajuste fino de un modelo con datos propios -- Diseño y optimización de prompts -- Sistema conversacional ChatGPT -- Sistema conversacional -- CAPÍTULO 6 -- Habilidades emergentes -- LLM en producción -- Alineación entre humanos y LLM -- Ética -- Aspectos regulatorios –Complejidad -- Riesgos –Limitaciones – Conclusiones. | ||
| 942 | |2 Dewey Decimal Classification |c Libro |n 0 | ||
| 999 | |c 42154 |d 42154 | ||
| 980 | |6 10643 |a Mayumi Flores |8 10643 |g Mayumi Flores | ||
| 952 | |0 No retirado |1 No perdido |2 Dewey Decimal Classification |4 No dañado |7 Disponible para préstamo |8 Colección General |a Biblioteca Juliaca |b Biblioteca Juliaca |c Sala principal |d 2024-08-27 |e TKCBOOK DIGITAL |l 0 |o 004.512 A875 2024 |p FJ14475 |r 2025-06-03 11:51:54 |t e1 |y Libro | ||