DiplomadoInteligencia artificial y datos
Procesamiento de lenguaje natural y modelos de lenguaje
El diplomado Procesamiento de lenguaje natural y modelos de lenguaje proporciona al estudiante el recorrido desde la representación del texto hasta los grandes modelos de lenguaje: embeddings, transformers, ajuste fino, generación aumentada por recuperación y evaluación de calidad y seguridad. Le permite construir aplicaciones de clasificación, extracción, búsqueda semántica y asistentes sobre textos en español.
A quién va dirigido
Desarrolladores y científicos de datos con Python intermedio y bases de aprendizaje automático.
Objetivos
✓Comprender la tokenización, la normalización, la lematización y las particularidades del procesamiento de texto en español.
✓Analizar la similitud entre textos con TF-IDF, Word2Vec, Sentence Transformers y bases vectoriales como FAISS, Chroma o pgvector.
✓Aplicar el ajuste fino de transformers con Hugging Face, LoRA y PEFT para clasificación y reconocimiento de entidades.
✓Diseñar un sistema RAG con salidas estructuradas, llamadas a funciones, fragmentación, reordenamiento y búsqueda híbrida.
✓Evaluar la fidelidad, la relevancia y la seguridad de aplicaciones con modelos de lenguaje frente al Top 10 de OWASP para LLM.
Plan de estudios por sesión
1
Preprocesamiento de texto en españolTokenización, normalización y lematización con spaCy · Bolsa de palabras y TF-IDF
2
Clasificación clásica y retos del idiomaClasificación de texto con scikit-learn · Particularidades del español
3
Representaciones densas del textoWord2Vec y embeddings contextuales · Sentence Transformers
4
Similitud semántica y bases vectorialesSimilitud coseno y agrupamiento de textos · Bases vectoriales: FAISS, Chroma, pgvector
5
Arquitecturas transformer y su ecosistemaArquitecturas codificador, decodificador y codificador-decodificador · Biblioteca Transformers y Hub de Hugging Face
6
Ajuste fino completo y eficienteAjuste fino para clasificación y reconocimiento de entidades · Ajuste eficiente con LoRA y PEFT
7
Modelos de lenguaje integrados en aplicacionesConsumo por API y modelos abiertos con Ollama · Salidas estructuradas y llamadas a funciones
8
Recuperación aumentada y búsqueda híbridaGeneración aumentada por recuperación (RAG) · Fragmentación, reordenamiento y búsqueda híbrida
9
Evaluación de sistemas RAGMétricas de RAG: fidelidad y relevancia · Evaluación con conjuntos de prueba y modelo como juez
10
Seguridad en aplicaciones con modelos de lenguajeInyección de instrucciones y fuga de datos · Top 10 de OWASP para aplicaciones con LLM
11
Caso y construcción del sistema del proyectoCaso sobre documentos en español · Construcción del sistema
12
Presentación del proyecto final: aplicación de lenguaje con evaluación cuantitativaEvaluación cuantitativa · Sustentación
Evaluación
Inicial30%Clasificador de texto en español con spaCy, TF-IDF y scikit-learn; ejercicio de búsqueda semántica con Sentence Transformers.
Intermedio30%Ajuste fino de un transformer para reconocimiento de entidades; prototipo RAG con modelo por API u Ollama y base vectorial.
Final40%Proyecto final: aplicación de lenguaje natural sobre documentos reales en español (clasificador ajustado o asistente RAG) con evaluación cuantitativa de calidad y seguridad, y sustentación.
Proyecto final
Aplicación de lenguaje natural sobre documentos reales en español (clasificador ajustado o asistente RAG) con evaluación cuantitativa de calidad.