Introducción
Los modelos base son modelos previamente entrenados que proporcionan un excelente punto de partida. El uso de un modelo base le permite ahorrar tiempo y esfuerzo, ya que necesita menos datos para entrenar un modelo para su caso de uso de aprendizaje automático específico.
Imagine que trabaja como científico de datos para una agencia de reservas de hoteles. Cuando los clientes exploran diferentes hoteles, uno de los factores más importantes para decidir qué hotel reservar son las opiniones de otros viajeros.
Como científico de datos, es posible que quiera extraer información de las opiniones sobre los hoteles para averiguar por qué se prefieren determinados hoteles respecto a otros. Para extraer información de las opiniones sobre los hoteles, puede usar modelos de lenguaje grandes (LLM), que están diseñados para el procesamiento de lenguaje natural (NLP).
Los modelos LLM aprovechan técnicas de aprendizaje profundo para reconocer y generar lenguaje humano. El aprendizaje profundo es un subcampo del aprendizaje automático que implica entrenar redes neuronales artificiales con varias capas para extraer patrones jerárquicos y representaciones de los datos. El entrenamiento de redes neuronales puede ser costoso, porque requiere grandes volúmenes de datos y una gran capacidad de proceso.
En lugar de entrenar su propio modelo LLM desde cero, puede usar un modelo entrenado previamente y ajustarlo con sus propios datos. Imagine que quiere obtener información de las opiniones sobre los hoteles. Es posible que quiera clasificar las opiniones recién publicadas como que hacen una descripción terrible, moderada o excelente del hotel. Puede usar un pequeño conjunto de opiniones sobre los hoteles categorizadas para ajustar un modelo base previamente entrenado.
En este módulo, aprenderá a ajustar un modelo base del catálogo de modelos de Azure Machine Learning.
Objetivos de aprendizaje
En este módulo aprenderá a:
- Cuándo ajustar un modelo base del catálogo de modelos.
- Ajustar un modelo base.
- Implementar y probar un modelo ajustado.