Aprende a personalizar un modelo Flan-T5 para clasificación de documentos utilizando tu propio conjunto de datos en este tutorial en español. Explora un caso de prueba de concepto (PoC) que emplea un pequeño dataset de 1000 documentos divididos en 10 clases, originalmente de una competición de Kaggle. Sigue paso a paso el proceso de ajuste fino del modelo T5 para tareas de clasificación de texto, utilizando técnicas avanzadas de procesamiento de lenguaje natural. Accede al notebook proporcionado en GitHub para una experiencia práctica y detallada de implementación.
Fine-Tuning T5 for Document Classification - Part 0: Proof of Concept (Español)
The Machine Learning Engineer via YouTube
Overview
Syllabus
Fine Tune T5 for Document Classification Part 0 (Poc ) (Español)
Taught by
The Machine Learning Engineer
Related Courses
-
Fine-tuning Flan-T5 for Text Classification Using MLFlow - Spanish Tutorial
-
MLOps MLFlow: Fine-tuning Flan-T5 for Sequence-to-Sequence Classification in Spanish
-
Fine-Tune T5 for Document Classification - Part 1: Creating Dataset with Web Scraping (Español)
-
LLMOps: Prompt Tuning for Dialog Summarization with Flan-T5 in Spanish
-
MLOps: Optimización PEFT para Resumen de Diálogos con Flan-T5 (LoRA) - Español
-
Fine-Tuning Gemini 1.0 Pro for Text Classification in Spanish - Machine Learning and Data Science
