Aplicando los 6 pasos del marco INSPIRe para acelerar la generación de código (ChatGPT-4 — Claude 3 — Gemini)
Nunca he escrito un proyecto de ciencia de datos de principio a fin. Sin embargo, cualquier cosa que puedas hacer dentro de un Jupyter Notebook, yo también puedo hacerlo. Sí, en serio, cualquier cosa.
Dejando de lado las alardes, esta es una de las transformaciones más significativas que nos ha traído la IA en los últimos dos años. Los LLM convirtieron el código en una mercancía; algo que puedes usar como una herramienta en lugar de una habilidad.
Todo lo que necesitas son cinco ingredientes:
- Alfabetización de datos.
- Una pizca de lógica.
- Un don para el ensayo y el error.
- Ingeniería inmediata.
- El marco INSPIRe.
Si te preguntas qué diablos podría ser INSPIRe, deberías leer la primera parte de esta serie. Encontrará una introducción al marco y cómo aplicarlo. Sin embargo, si se siente aventurero, el breve resumen de la siguiente sección debería ser suficiente.
En este artículo, profundizaremos en un ejemplo concreto del marco INSPIRe. Construiremos un generador de datos sintéticos que produzca reseñas ficticias.
¿Por qué datos sintéticos? ¿Por qué reseñas ficticias?
La generación de datos sintéticos juega un papel clave en la capacitación y el ajuste de los LLM, y los LLM son una de las tecnologías más buscadas en el mercado actual. Estos modelos destacan por analizar e interpretar reseñas de productos y comentarios en redes sociales, capacidades muy valoradas por sus clientes.
Tocar ambos temas es como encender dos velas con una cerilla.
He argumentado que Prompt Engineering es el lenguaje de programación más popular de 2024. Esto se debe principalmente a que los LLM te permiten escribir código en inglés sencillo.
La codificación en lenguaje natural es la piedra angular del marco INSPIRe.
