Este artículo enseña cómo realizar una tarea de lenguaje como la clasificación de texto integrando modelos de lenguaje grandes (LLMs) de código abierto alojados localmente. Demuestra cómo lograr esto de forma gratuita utilizando Ollama y la biblioteca Python Scikit-LLM con modelos como Mistral, Gemma y Llama 3.
El contenido analiza cómo los modelos de IA generativa, como los LLM, han superado gradualmente a los métodos de aprendizaje automático tradicionales para tareas como la clasificación de texto. Explora cuándo es adecuado utilizar un LLM para estas tareas.
Este tutorial demuestra tareas prácticas de Procesamiento del Lenguaje Natural, como clasificación de texto y respuesta a preguntas, directamente en el navegador utilizando la API pipeline() de la biblioteca Transformers.js.
La clasificación de texto de disparo cero permite etiquetar texto sin entrenar previamente un clasificador en un conjunto de datos específico de su tarea. Ofrece un enfoque eficiente para categorizar información textual.
Este proyecto aborda la limitación de los modelos de IA tradicionales con datos no vistos, proponiendo una solución para sistemas ERP universitarios. Utiliza Zero-Shot Learning para clasificar texto dinámico e impredecible, incorporando también la memoria de interacciones pasadas para mejorar el rendimiento.