Registro personal sobre lo aprendido mientras estudio Machine Learning
DocETL is a novel system designed to optimize complex document processing pipelines for accuracy by leveraging Large Language Model (LLM) agents
DocETL sirve para procesar grandes cantidades de texto, existen varios procesamientos que se le pueden hacer al texto Leer más …
Hace varias semanas un amigo *cof* el Robles *cof* me preguntó si sabía hacer reconocimiento de placas de automóviles. Al principio pensé que sería fácil, no pero no lo es y existen muchas técnicas para lograrlo.
Hoy retomé el tema, encontré varios artículos interesantes. Leer más …
Mientras le presumía al Yeomans mi RAG sobre las conferencias matutinas, me sugirió una idea, la cual de hecho es parte de los casos de uso de las RAG.
Me sugirió que hiciera un RAG pipeline para las Leyes sobre Transparencia en México. Leer más …
Adapté el tutorial de RAG de langchain con mi dataset de las conferencias de prensa de la presidencia de México. Aunque fue un proceso sencillo no estoy conforme aún con los resultados.
Leer más …
Mientras investigo información sobre RAG (Retrieval-Agumented Generation) para ver como implementarlo a información para crear bases de conocimiento. Leer más …
Una de las ideas que se me antoja hacer con el dataset de las conferencias de prensa es una base de conocimiento a la cual podamos preguntarle por cosas que dice la presidenta, secretarios y reporteros. Obtener una idea los temas que se tratan a diario, a la semana, al mes.
Una forma que se ocurre es alimentar una LLM (Large Language Model) con el contexto de las conferencias de prensa, una técnica para hacer esto se conoce como RAG (Retrieval-Augmented Generation). Leer más …
Después de crear el scrapper para sacar las versiones estenográficas de todas las conferencias de prensa de la Presidenta de México Claudia Sheinbaum ya subí la primera versión del dataset a kaggle.
Cualquier sugerencia en cuanto a formato, metadata e ideas para usar este dataset son bienvenidas. Leer más …
Terminé el scrapper de las conferencias de prensa de presidencia usando el archivo del blog de presidencia de México.
La idea es subirlo a hugging face y kaggle como dataset, además de mantenerlo, con fin de aplicarle tareas y modelos de NLP y ver que información se puede obtener. Leer más …
Dreambooth es un técnica con la cuál podemos hacer un ajuste o afinación al modelo pre-entrenado de Stable Diffusion. Coloquialmente esto también es conocido como re-entrenar el modelo. Leer más …
Primero intenté correr Stable Diffusion localmente en con un Docker para CPU, pero no pude lograrlo.
Después encontré un tutorial de como correrlo localmente en el chip M1 de Mac. Lo seguí y por fin pude correr Stable Diffusion localmente. Leer más …