GenAI y LangChain
LLMs (GPT, Gemini, Claude), prompting, LangChain, chains, agents, RAG, vector stores, embeddings
1¿Qué es un LLM (Large Language Model)?
¿Qué es un LLM (Large Language Model)?
Respuesta
Un LLM es un modelo de deep learning entrenado con cantidades masivas de texto para comprender y generar lenguaje natural. Estos modelos utilizan la arquitectura Transformer con miles de millones de parámetros, lo que les permite capturar matices del lenguaje, seguir instrucciones complejas y generar texto coherente. GPT-4, Claude y Gemini son ejemplos de LLMs utilizados en producción.
2¿Cuál es la principal diferencia entre prompting zero-shot y few-shot?
¿Cuál es la principal diferencia entre prompting zero-shot y few-shot?
Respuesta
El zero-shot prompting pide al modelo que realice una tarea sin proporcionar ejemplos previos, basándose únicamente en las instrucciones. El few-shot prompting incluye algunos ejemplos de pares entrada/salida en el prompt para guiar al modelo. El few-shot generalmente mejora el rendimiento en tareas específicas porque el modelo puede inferir el formato y estilo esperados a partir de los ejemplos proporcionados.
3¿Qué es el chain-of-thought (CoT) prompting?
¿Qué es el chain-of-thought (CoT) prompting?
Respuesta
Chain-of-thought prompting es una técnica que anima al LLM a descomponer su razonamiento paso a paso antes de dar su respuesta final. Al agregar frases como 'Pensemos paso a paso' o mostrar ejemplos de razonamiento, se mejora significativamente el rendimiento en tareas de razonamiento lógico, matemático o multi-paso. Este enfoque también hace que el proceso de decisión sea más transparente y verificable.
¿Qué es LangChain y cuál es su principal objetivo?
¿Qué es una chain en LangChain?
+21 preguntas de entrevista
Otros temas de entrevista Data Science & ML
Fundamentos de Python
Programación Orientada a Objetos en Python
Estructuras de datos en Python
Fundamentos de Git
Fundamentos de SQL
Fundamentos de NumPy
Fundamentos de Pandas
Jupyter & Google Colab
SQL Joins y consultas avanzadas
Pandas avanzado
Visualización con Matplotlib & Seaborn
Visualizaciones interactivas con Plotly
Estadística descriptiva
Estadística inferencial
Web Scraping
BigQuery & Cloud Data
Feature Engineering
ML Supervisado: Regresión
ML Supervisado: Clasificación
Árboles de Decisión y Ensembles
ML No Supervisado
Pipelines ML y Validación
Series Temporales y Pronóstico
Fundamentos de Deep Learning
TensorFlow & Keras
CNN y clasificación de imágenes
RNN y Secuencias
Transformers y Attention
NLP y Hugging Face
MLOps y Despliegue
Domina Data Science & ML para tu próxima entrevista
Accede a todas las preguntas, flashcards, tests técnicos, ejercicios de code review y simuladores de entrevista.
Empieza gratis