Lección 1 del curso Clasificación de Texto con Grandes Modelos de Lenguaje.
En esta primera lección del curso veremos un panorama general de las diferentes estrategias que podemos usar para clasificar texto usando Grandes Modelos de Lenguaje, bien sea usando modelos de representación, generativos o una combinación de los dos anteriores.
Además, veremos una definición sencilla de qué es la clasificación de texto y los principales usos que esta tarea tiene en el desarrollo de aplicaciones basadas en el procesamiento del lenguaje natural:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Como acabamos de ver, la clasificación de texto es una tarea de aprendizaje supervisado en la cual buscamos asignar una etiqueta o categoría al texto usado a la entrada del modelo.
Y para implementar esta tarea podemos usar LLMs (o Large Language Models – Grandes Modelos de Lenguaje) de representación, generativos o basados en la arquitectura encoder-decoder, de los cuales ya hablamos en detalle en el curso de Introducción a los Grandes Modelos de Lenguaje.
Teniendo claro este panorama, así como las diferentes aplicaciones que puede tener la clasificación de texto (que van desde el análisis de sentimientos hasta la moderación de contenido), a partir de la próxima lección y en lo que queda del curso veremos de forma práctica cómo implementar estas diferentes estrategias de clasificación.
Y específicamente en la próxima lección veremos cómo realizar la clasificación de texto con LLMs de representación pre-entrenados.
Todas las lecciones del curso Clasificación de Texto con Grandes Modelos de Lenguaje