OpenAI API
¿Cómo usar la API de OpenAI en tu producto?
Conociendo la documentación de la API de OpenAI
Cargar modelo de la API de OpenAI con Python
Creación de ejemplo utilizando la API de OpenAI
Parámetros de Text Completion: temperature, top_p y n
Buenas prácticas al usar modelos de OpenAI
Chat Completions
Actualizaciones de la API de OpenAI: GPT-4 disponible y modelos deprecados
Quiz: OpenAI API
Fine-tuning de modelos de OpenAI
¿Por qué hacer fine-tuning a modelos de 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
Validación de modelos fine-tuned de OpenAI
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
Lectura
Cuando realizamos el fine-tuning de modelos en OpenAI, es crucial analizar y validar el desempeño de nuestro modelo entrenado. OpenAI proporciona herramientas a través de su CLI para analizar y obtener métricas de validación. A continuación, se detallan los comandos de CLI que pueden ser utilizados para este propósito.
...
Regístrate o inicia sesión para leer el resto del contenido.
Aportes 4
Preguntas 1
En el sigueinte articulo se hace un estudio de validacion muy interesante basados en datos de Sentimientos reflejados en Calificacion de Peliculas.
Puedes hacer el ejercicio para practicar validacion, generacion del modelo con fine tuning y entender datos(dataviz)
https://betterprogramming.pub/fine-tune-gpt3-for-quality-results-3f91f1ab44ea
Esta validación se debería hacer con las plataformas open source, para no aumentar los gastos durante el curso
Entonces si entiendo bien, digamos que entreno un modelo con 1000 registros, lo pruebo, obtengo resultados y lo valido, luego me llega más información relacionada, otros 1000 registris.
Ahí podría volver a entrenar pero ya en lugar de poner “ada” o “davinci” pondría el nombre de mi modelo entrenado previamente, esto sirve? O se tiene que entrenar de una con todos los datos (no me suena lógico)
Pero por si acaso, hago la preunta. Saludos a todos.
Entiendo que el entrenamiento es de acuerdo al json que se le pasa al programa…
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?
o inicia sesión.