Edición en español
Ajuste fino de modelos de OpenAI
Prepara tus datos, entrena, evalúa y despliega un modelo con ajuste fino para tu dominio de negocio. Nota: el servicio de ajuste fino de OpenAI está cerrando gradualmente (no se aceptarán nuevos trabajos después del 6 de enero de 2027).
16 lecciones ca. 1 h 45 min Avanzado
Lo que aprenderás
- Determinar si el ajuste fino está justificado frente al uso de prompts o la recuperación de documentos
- Preparar un conjunto de datos de entrenamiento en formato JSONL conversacional, limpio y validado
- Iniciar el entrenamiento mediante la API y ajustar épocas, tasa de aprendizaje y tamaño de lote
- Evaluar un modelo con ajuste fino frente al modelo base mediante pruebas A/B y métricas de negocio
- Desplegar, versionar y restaurar una versión anterior de un modelo con ajuste fino mientras se controlan los costes
Ficha del curso
- Dirigido a
- Desarrolladores, ingenieros e integradores que buscan aprovechar ChatGPT mediante API en sus aplicaciones.
- Requisitos previos
- Experiencia demostrada en desarrollo de aplicaciones y despliegue a producción.
- Duración
- 1 h 45 min — 16 lecciones
- Modalidades
- Curso 100 % en línea y a tu propio ritmo, accesible 24/7 desde un navegador. El progreso se guarda; puedes retomarlo en cualquier momento. Duración estimada: 1 h 45 min.
- Evaluación
- Autoevaluación basada en los puntos clave que concluyen cada lección y práctica directa de los ejemplos con tus propios casos. Un cuestionario final de 5 preguntas con respuestas proporcionadas al final de la última lección valida los conocimientos adquiridos.
- Accesibilidad
- Curso a tu propio ritmo accesible para personas con discapacidad: contenido de texto compatible con lectores de pantalla, navegación por teclado y contrastes conformes. Para cualquier necesidad de adaptación, escribe a [email protected].
- Precio
- Gratis
Contenido del curso
- 01 Cuándo y por qué ajustar un modelo
- 02 Prepara tus datos de entrenamiento
- 03 Formato de datos: conversaciones en JSONL
- 04 Calidad de los datos: limpieza y validación
- 05 Lanzar el ajuste fino mediante la API
- 06 Hiperparámetros: épocas, tasa de aprendizaje, tamaño de lote
- 07 Seguimiento del entrenamiento
- 08 DPO (Optimización Directa de Preferencias)
- 09 Ajuste fino para llamadas a funciones
- 10 Evalúa tu modelo ajustado
- 11 Comparación con el modelo base
- 12 Pruebas A/B y métricas de negocio
- 13 Iteración: cuándo volver a hacer fine-tuning
- 14 Despliegue de un modelo ajustado
- 15 Costes y optimización
- 16 Versionado y retroceso