Data Science | Generative AI | Agentic AI | Analytics
💡 Introduccíon
Este trabajo utiliza un notebook Python para realizar la clasificación de textos utilizando Deep Learning con algunas arquitecturas diferentes. Se recorrerá todo el proceso desde traer el dataset hasta proceder a dicha clasificación. Durante la actividad se llevarán a cabo muchos procesos como la creación de un vocabulario, el uso de embeddings y la creación de modelos.
🏗 Base del Trabajo
El alcance deste trabajo está basada en un Notebook creado por François Chollet, uno de los creadores de Keras y autor del libro “Deep Learning with Python”. También basado en una actividade de la Maestria en IA de UNIR Universidad Internacional de la Rioja.
🎯 Objetivo
El objetivo es presentar algunos de los conceptos que se trabajan para clasificación de textos utilizando Deep Learning y también presentar una implementación básica de las técnicas utilizadas:
- Tokenización;
- Vectorización;
- Creación del vocabulário;
- Embedding;
- Clasificación con Redes Neuronales Clásicas;
- Clasificación con Redes Neuronales Convolucionales (CNN);
- Clasificación con GloVe y CNN;
- Clasificación con Transformers.
🧮 Evaluación
La evaluación de los resultados es superficial porque la intención no es realizar ajustes y explorar las opciones avanzadas de estas técnicas, sino más bien presentar conceptos y realizar trabajos de clasificación utilizando diversas técnicas, allanando el camino para trabajos más avanzados. La comparación de las técnicas y el fine-tuning no hace parte de este trabajo.
🔐 Acceso al material completo
Puedes accesar al trabajo completo con todo código, ejemplos y explicaciones por los enlaces abajo:
- Repositório en GitHub aqui.
- El notebook Python aqui.
Leave a Reply