Friki Work

Modernización de la Clase de Carga de Datos A continuación, se presenta una versión refactorizada de la clase encargada de procesar conjuntos de datos personalizados para modelos de series temporales. Se han implementado mejoras en la tipificación, se ha optimizado el procesamiento de fechas utilizando los accesores nativos de Pandas (dt) en lu ...

Introducción El Aprendizaje por Refuerzo (Reinforcement Learning, RL) es una rama clave de la inteligencia artificial y el aprendizaje automático, junto con el aprendizaje supervisado y no supervisado. Se inspira en la forma en que los organismos biológicos aprenden comportamientos óptimos mediante la interacción con su entorno. A diferencia de ...

Este tutorial detalla el proceso para convertir modelos de procesamiento de lenguaje natural (NLP) entreandos con PyTorch 2.9 en servicios robustos y escalables. Cubriremos la optimización del modelo, la creación de APIs y el despliegue en contenedores. Configuración del Entorno de Ejecución 2.1. Imagen Base Preconfigurada Utilizaremos la im ...

Introducción Desplegar modelos de inteligencia artificial en producción puede presentar desafíos complejos, desde el entrenamiento hasta la puesta en servicio. ResNet18 es una arquitectura de red neuronal convolucional conocida por su equilibrio entre rendimiento y eficiencia, ideal para tareas de clasificación de imágenes con recursos limitado ...

Introducción a PyTorchTS PyTorchTS es un marco de trabajo de código abierto para el pronóstico probabilístico de series temporales, construido sobre PyTorch y con GluonTS como backend. Ofrece herramientas para implementar modelos avanzados como DeepAR, facilitando el flujo completo desde la carga de datos hasta la generación de predicciones con ...

En entornos de producción, la capacidad de actualizar modelos de aprendizaje profundo sin detener el servicio es esencial para corregir errores o desplegar mejoras, minimizando interrupciones. La actualización en caliente permite distribuir código de forma dinámica, evitando la necesidad de reiniciar el sistema. Este proceso requiere atomicidad ...

Para la predicción de temperaturas, se utiliza un conjunto de datos que incluye características como temperaturas anteriores y promedios históricos. El objetivo es predecir la temperatura máxima actual. Lectura y Preprocesamiento de Datos Se importan las bibliotecas necesarias y se carga el archivo CSV con los datos meteorológicos. import numpy ...

Introducción al modelo y sus capacidades Youtu-VL-4B-Instruct es un modelo de lenguaje visual de 4 mil millones de parámetros desarrollado por Tencent YouTu Lab. Su arquitectura innovadora convierte la información de la imagen en "tokens visuales" que se integran directamente con los tokens de texto, preservando detalles finos de la i ...

Configuración del Entorno Base Un entorno preconfigurado para aprendizaje profundo facilita la integración con herramientas de gestión de experimentos como Weights & Biases (W&B). Este entorno incluye versiones específicas de frameworks y bibliotecas esenciales para asegurar compatibilidad y rendimiento. Especificaciones Técnicas del En ...

Introducción Este artículo está pendiente de actualización. Detectron2: Entrenamiento y Despliegue de Modelos 1. Preparación del conjunto de datos 1.1 Descarga del conjunto de datos público COCO Visite la página oficial de descargas: https://cocodataset.org/#download Las imágenes corresponden al conjunto de datos, mientras que las anotaciones e ...