OpenAI API
¿Cómo usar la API de OpenAI en tu producto?
Conociendo la documentación de la API de OpenAI
Chat Completions: modelos de Chat de OpenAI
Parámetros de Chat Completions: temperature, top_p y n
Aplicación de ejemplo utilizando modelos de OpenAI
Buenas prácticas al usar modelos de OpenAI
Modelos de texto disponibles de OpenAI
Quiz: OpenAI API
Fine-tuning de modelos de OpenAI
¿Por qué hacer fine-tuning a modelos de OpenAI?
Modelos disponibles para fine-tuning en OpenAI
Costos de uso de OpenAI: tokenización de texto
Configuración de entorno local de OpenAI con Anaconda
Formato de datos para fine-tuning
Preparar datos para fine-tuning
Fine-tuning de modelo de OpenAI
¿Cómo usar el Playground de OpenAI para probar modelos?
Pruebas al modelo con fine-tuning
Optimizar el modelo: ajuste de parámetros en Playground
Quiz: Fine-tuning de modelos de OpenAI
Integración de modelo a aplicación de chat
¿Cómo crear un chatbot con Telegram?
Procesando la entrada del usuario para el chatbot
Prueba de envío de mensajes del chatbot
Función main() del chatbot
Integración del modelo de OpenAI a Telegram
Manejo de errores y excepciones de la API de OpenAI
Quiz: Integración de modelo a aplicación de chat
Conclusión
Recomendaciones finales y proyectos alternativos con la API de OpenAI
No tienes acceso a esta clase
¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera
Miguel Torres
El Playground de OpenAI es una herramienta en línea que te permite interactuar los diferentes modelos, incluyendo modelos a los que hayas hecho fine-tuning, para explorar su capacidad para generar respuestas.
Para comenzar, accede al Playground de OpenAI en tu navegador web. Puedes encontrarlo en https://platform.openai.com/playground.
Una vez en el Playground, verás un área en la parte derecha donde puedes elegir Mode (modo o tipo de modelo) y Model (modelo).
En el botón desplegable de Mode encontrarás los tipos de modelos, ya sean chat, completion y edit.
En el botón desplegable de Model encontrarás los modelos disponibles dependiendo del modo seleccionado. En este desplegable también podrás encontrar los modelos con fine-tuning que hayas creado.
En el modo chat podrás utilizar modelos tipo chat como GPT-4. Encontrarás las siguientes secciones para interactuar con el modelo:
En la barra derecha, en su parte inferior, podrás modificar los hiper parámetros del modelo:
En el modo complete podrás utilizar modelos de compleción de texto como Davinci. Encontrarás un cuadro de texto donde podrás hacer consultas al modelo.
Escribe en el cuadro lo que quieras que el modelo complete y te entregue una respuesta.
También en la sección inferior derecha podrás modificar los hiper parámetros del modelo:
Recuerda que en el desplegable de Model, en la parte debajo de los modelos base, podrás encontrar los modelos con fine-tuning que hayas creado:
Es importante recordar de cuál modo o tipo es el modelo con fine-tuning a buscar, para que selecciones el Mode correcto del playground.
Para poder utilizar un modelo con fine-tuned en el código de la aplicación que estés desarrollando lo puedes obtener desde el playground con estos pasos:
Elige el modo y modelo con fine-tuned desde el playground como se vio en la sección anterior.
Da clic en el botón View Code
¡Excelente! Con esta herramienta podrás probar cualquier modelo base y los modelos con fine-tuning que estén dentro de tu organización de OpenAI.
Avanza a la siguiente clase. 🧠➡️
Aportes 4
Preguntas 0
Me gustaría saber la diferencia sustancial de entrenar por ejemplo Ada contra Davinci, entiendo que el segundo es mucho mejor modelo y por los costos se hace obvio, mi duda va más enfocada a algo tipo
“si tienes suficientes datos (cuántos registros mínimos se recomiendan) y bien configurados los HP, con Ada puedes obtener resultados decentes”
Yo de momento solo he entrenado Ada y sí, responde solo incoherencias y por el gasto que hice, vale la pena como aprendizaje, es prácticamente gratis.
Más adelante lo haré con davinci a ver qué tal se comporta.
Yo en este momento estoy haciendo pruebas con davinchi, con un set muy pequeño (cosa que no es práctica), +o- con 40 datos y me costo 0.27 usd, y estoy pronto a revisar los resultados para seguir haciendo el tunning.
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?