Módulo 6: Preparación de datos
La base del éxito en el fine-tuning
La calidad de los datos es el factor más importante para el éxito del fine-tuning. Este módulo cubre todo lo que necesita para preparar datos de entrenamiento de alta calidad.
Lo que aprenderá
- Dominar los formatos de conjuntos de datos (Alpaca, ShareGPT, personalizados)
- Garantizar la calidad de los datos mediante filtrado y curación
- Generar datos sintéticos utilizando LLMs
- Construir pipelines de entrenamiento efectivos
Estructura del módulo
| Capítulo | Tema | Duración |
|---|---|---|
| Capítulo 1 | Formatos de conjuntos de datos | 25 min |
| Capítulo 2 | Calidad de los datos | 30 min |
| Capítulo 3 | Generación de datos sintéticos | 25 min |
| Quiz | Quiz del Módulo 6 | 30 min |
Principio clave
Calidad sobre cantidad: 500 ejemplos de alta calidad suelen superar a 50,000 de baja calidad.
Tiempo estimado: 2 horas