Capítulo 3. Tareas y aplicaciones de la PNL
Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com
En el Capítulo 2, te dimos una suave introducción a los modelos lingüísticos y al ajuste fino. Ahora vamos a explorar más a fondo para qué puede utilizarse realmente el ajuste fino. Sirve para algo más que para generar mejores modelos lingüísticos específicos del dominio, como aludimos en el capítulo anterior. El ajuste fino puede utilizarse para resolver tareas significativas del mundo real, que sirven como bloques de construcción de complejas aplicaciones de PNL del mundo real.
En este capítulo, introduciremos oficialmente varias de estas "tareas significativas del mundo real" y presentaremos varios puntos de referencia populares, como GLUE ySQuAD, para medir el rendimiento en estas tareas. También destacaremos varios conjuntos de datos estándar disponibles públicamente para que los utilices cuando resuelvas estas tareas por tu cuenta. Y, lo que es más importante, resolveremos dos de estas tareas, el reconocimiento de entidades con nombre (NER) y la clasificación de textos, para mostrar cómo funciona todo esto.
Esperamos que este capítulo te proporcione una visión más profunda, aplicada y práctica de la PNL y que pueda servirte como plataforma de lanzamiento para crear tus propias aplicaciones de PNL en el mundo real.
Modelos lingüísticos preentrenados
Como mencionamos en el Capítulo 1, la PNL ha avanzado mucho en los ...
Get Procesamiento del Lenguaje Natural Aplicado en la Empresa now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
