IA práctica para programadores: ChatGPT, LLM, RAG, agentes, evaluación y despliegue.
Procesamiento del lenguaje natural Introducción El procesamiento del lenguaje natural (PLN) es una rama crucial de la inteligencia artificial que se encarga de la comprensión y generación de texto por computadoras. Este campo abarca desde e…
Visión artificial con Deep Learning Introducción La visión artificial, o visión por computadora (VPC), es un campo de estudio dentro de la inteligencia artificial que se ocupa de cómo las máquinas pueden interpretar y comprender imágenes y …
MLOps con TensorFlow Introducción La implementación operativa de modelos de inteligencia artificial (IA) y aprendizaje profundo (ML) es una disciplina en constante evolución conocida como MLOps. Al combinar técnicas de IA con mejores prácti…
NLP con Deep Learning Introducción El procesamiento del lenguaje natural (NLP, por sus siglas en inglés) es un campo dentro de la inteligencia artificial que se encarga de hacer que las máquinas entiendan y respondan a los humanos en su pro…
Redes convolucionales (CNN): Un paso más allá con TensorFlow Introducción Las redes convolucionales (CNN, por sus siglas en inglés) son una parte esencial de la inteligencia artificial y han revolucionado varios campos como la visión por co…
Conclusiones razonadas Introducción Después de haber desarrollado un modelo de Deep Learning con TensorFlow, es crucial tomar el tiempo para reflexionar sobre los resultados obtenidos y las lecciones aprendidas. Las conclusiones razonadas s…
Entrenamiento y evaluación de modelos con TensorFlow Introducción El entrenamiento y la evaluación son fases cruciales en cualquier proyecto de aprendizaje profundo (DL) utilizando TensorFlow. Estas etapas permiten ajustar los parámetros de…
Construcción del modelo Introducción La construcción del modelo es uno de los aspectos más cruciales en el desarrollo de un proyecto de Inteligencia Artificial (IA) utilizando TensorFlow. Esta etapa implica definir la arquitectura y las car…