Registro personal sobre lo aprendido mientras estudio Machine Learning
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 …
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 …