Introducción al aprendizaje automático · Pregunta 49 de 60

Un clasificador de variedades de manzana debe adaptarse mediante fine-tuning. ¿Qué tareas de destino probablemente funcionarán bien y cuáles peor?

2 respuestas son correctas. Difícil Creado con IA

Mostrar solución

Solución

  • A Bien: reconocer variedades de pera en fotos
  • B Peor: reconocer cantos de pájaros

Explicación

El fine-tuning funciona mejor cuanto más cercana es la nueva tarea a la anterior. Pasar de fotos de manzanas a fotos de peras es un paso pequeño, y el modelo puede aprovechar buena parte de lo que ya sabe. Los cantos de pájaros son grabaciones de audio, donde lo aprendido apenas ayuda. Por la misma razón, un LLM puede ajustarse bien para una tarea especializada muy próxima si se dispone de buenos datos de entrenamiento.

Certificaciones y exámenes

¿Qué examen viene después?

Ya puedes practicar 51 exámenes y 16 están en votación. Mira todas las certificaciones con información oficial, vota o propón tu examen.

Ver todas las certificaciones