Crea tu propio asistente educativo con IA: Ejecuta LLM Llama3 localmente en 5 minutos

Crea tu Propio Asistente Educativo con IA: ¡Ejecuta LLM Llama3 Localmente en 5 Minutos!

¿Te apasiona la inteligencia artificial y su aplicación en el ámbito educativo? ¿Quieres aprender a crear una herramienta interactiva que revolucione la forma en que se responde a preguntas educativas? ¡Tenemos el video perfecto para ti!

En nuestro nuevo video titulado "Crea tu propio asistente educativo con IA: Ejecuta LLM Llama3 localmente en 5 minutos", te guiaremos paso a paso para que puedas ejecutar el poderoso modelo de lenguaje grande (LLM) Llama3 directamente en tu máquina. Este tutorial no solo es accesible y sencillo de seguir, sino que también está diseñado para que puedas empezar a construir tu propia aplicación de preguntas y respuestas orientada a la educación en cuestión de minutos.

 ¿Qué Aprenderás en Este Video?

1. Configuración Rápida y Sencilla: Aprende a instalar y ejecutar Llama3 en tu equipo local utilizando herramientas como ollama, Llama3 y groq. En solo 5 minutos, estarás listo para comenzar.

2. Construcción de Aplicaciones Interactivas: Descubre cómo desarrollar una aplicación que no solo responde preguntas, sino que también lo hace de manera interactiva, brindando una experiencia educativa enriquecedora.

3. Exploración de Modelos LLM: Conoce los diferentes modelos de lenguaje grande (LLM) que puedes utilizar localmente. Te mostramos cómo elegir el modelo adecuado para tus necesidades específicas.

4.  Técnicas Avanzadas de Prompting: Desvelamos técnicas avanzadas para mejorar la precisión y relevancia de las respuestas de tu asistente educativo. Aprende a formular prompts efectivos que lleven a mejores resultados.

5. Estrategias para Evitar Alucinaciones: Abordamos uno de los desafíos más comunes en los modelos LLM: las alucinaciones. Descubre estrategias clave para asegurar que tu asistente educativo proporcione respuestas precisas y confiables.

Este video es una excelente oportunidad para adentrarte en el fascinante mundo de los modelos de lenguaje grande y su aplicación en la educación. Ya seas un desarrollador experimentado o un principiante curioso, encontrarás valiosa información y herramientas prácticas que te permitirán crear un asistente educativo potente y eficaz.

 ¡No Te Lo Pierdas!

Haz clic en el enlace a continuación y comienza tu viaje hacia la creación de un asistente educativo impulsado por IA. Transforma la manera en que abordas las preguntas educativas y lleva tu aprendizaje al siguiente nivel.

No olvides suscribirte a nuestro canal para más tutoriales sobre inteligencia artificial, modelos de lenguaje grande y aplicaciones educativas innovadoras. ¡Esperamos verte allí!

El prompt usado en el video es el siguiente:

Eres experto en geografia de américa. trabajarás como un asistente de IA que ayuda a niños para su examen de geografía. deberás preguntar por la capital de un país del continente americano  y esperarás a que el niño te dé una respuesta.Si la respuesta es la capital del país que tu preguntaste. mandarás un mensaje de respuesta positiva y darás un hecho interesante relacionado con el país del cual preguntaste. Si la respuesta que recibiste no es correcta, responde que no es correcta y dá una pista al respecto para que el niño pueda responder correctamente (la ayuda puede ser de la forma "la capital inicia con la letra X" o "la capital  está compuesta por dos palabras" o la "capítal tiene 5 letras", o por ejemplo si el niño se ha equivocado con la misma capital en mas de una opcación debes mostrarle pistas más cercanas al nombre de la capital por ejemplo "La capital inicia con 'Bo' y termina con 'ta'" suponiendo que la capital es 'Bogotá'  la idea es que el niño pueda recordar el nombre requerido ), esto sucederá hasta que recibas la respuesta correcta, es decir la capital del país del cual preguntaste. 

Instruccion adicional. Recuerda que es un niño, puede tener alguna falta ortográfica en su respuesta. En esos casos debes dar la respuesta como correcta y decirle cual es la respuesta esperada y en dónde se equivocó. 

Instruccion adicional. Maneja un lenguaje apto para niños y que sea de manera más personal.

Responde Ok cuando estés listo. Y queda en espera de la palabra "iniciar". 

Cuando recibas la palabra "iniciar", debes decirle al niño las reglas del juego.

Instrucción. El idioma de tu respuesta es Español LATAM

La manera más fácil de reducir el tamaño un video grande en Mac OS

Paso 1: Instalar brew

Ir a 

    https://brew.sh

          Copiar el código que aparece en la página y ejecutarlo en la terminal:

$ /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

Seguir las instrucciones, en ocasiones te pide instalar Xcode Tools, sigue las instrucciones que aparecen en la terminal.

Verificar que brew está instalado así

$ brew help

 

Paso 2: Instalar ffmpeg

            $ brew install ffmpeg

Verificar que se haya instalado

$ ffmpeg --help

Paso 3: Comprimir el archivo

Ir al directorio en dónde está el archivo de video  que se desea reducir de tamaño

$ cd /ruta_a_mi_archivo

 Cambiaremos el archio de .MOV a .MP4 con los settings por default. Suponiendo que el video se llama video.mov, lo convertirremos a video.mp4

$ ffmpeg -i video.mov video.mp4

 

Process Mining: La intersección de la Ciencia de Datos y la Ciencia de Procesos

La Figura muestra que la minería de procesos puede verse como la intersección de la ciencia de datos y la ciencia de procesos. 

En este video, platicaremos sobre el Process Mining, que combina la Ciencia de Datos y la Ciencia de Procesos para analizar y mejorar los procesos empresariales.

Aprenderemos qué es el Process Mining y cómo se aplica en dos áreas clave: Process Discovery y Conformance Checking. Descubre cómo estas técnicas pueden ayudar a las organizaciones a identificar oportunidades de mejora y optimizar sus procesos.

En este video, también te presentamos una introducción al modelado de procesos utilizando diversas notaciones, como grafos DFG, BPMN, redes de Petri, árboles de procesos y grafos DCR. Veremos ejemplos prácticos de cómo aplicar estas notaciones para analizar y mejorar los procesos. También explicaremos la noción de recorrido de token en la notación BPMN para mostrar la ejecución de una traza.

Además, exploraremos un método de Process Discovery y daremos una introducción al Conformance Checking. 

A continuación les comparto una breve introducción al Process mining, que fue extraía del libro "Process Mining HandBook" [1]:

Process  Mining

La minería de procesos se puede definir de la siguiente manera: 

La minería de procesos tiene como objetivo mejorar los procesos operativos mediante el uso sistemático de datos de eventos. 

Mediante el uso de una combinación de datos de eventos y modelos de procesos, las técnicas de minería de procesos proporcionan información, identifican cuellos de botella y desviaciones, anticipan y diagnostican problemas de rendimiento y cumplimiento, y respaldan la automatización o eliminación del trabajo repetitivo. 

Las técnicas de minería de procesos pueden ser: 

• Retrospectivas (por ejemplo, encontrar las causas fundamentales de un cuello de botella en un proceso de producción) 
• Prospectivas (por ejemplo, predecir el tiempo de procesamiento restante de un caso en ejecución o proporcionar recomendaciones para reducir la tasa de fallas). 

Tanto los análisis retrospectivos como los prospectivos pueden desencadenar acciones (por ejemplo, contramedidas para abordar un problema de rendimiento o cumplimiento). 

El enfoque de la minería de procesos se centra en los procesos operativos, es decir, los procesos que requieren la ejecución repetida de actividades para entregar productos o servicios. Estos se pueden encontrar en todas las organizaciones e industrias, incluidas la producción, la logística, las finanzas, las ventas, las compras, la educación, la consultoría, la atención médica, el mantenimiento y el gobierno. 

La idea de utilizar datos detallados sobre los procesos operativos no es nueva. Por ejemplo, Frederick Winslow Taylor (1856-1915) recopiló datos sobre tareas específicas para mejorar la productividad laboral. 

Con la creciente disponibilidad de computadoras, se utilizaron hojas de cálculo y otras herramientas de inteligencia de negocios (BI) para monitorear y analizar los procesos operativos. Sin embargo, en la mayoría de los casos, la atención se centró en una sola tarea del proceso o el comportamiento se redujo a indicadores clave de rendimiento (KPI) agregados, como el tiempo de flujo, la utilización y los costos. 

La minería de procesos tiene como objetivo analizar los procesos de extremo a extremo a nivel de eventos, es decir, se considera el comportamiento detallado con el fin de explicar y mejorar los problemas de rendimiento y cumplimiento. 

La investigación sobre minería de procesos comenzó a finales de la década de 1990. Hoy en día, hay más de 40 herramientas comerciales de minería de procesos y la minería de procesos es utilizada por miles de organizaciones en todo el mundo. Sin embargo, sólo se ha realizado una pequeña fracción de su potencial. La minería de procesos es genérica y se puede aplicar en cualquier organización.

La minería de procesos puede verse como el vínculo entre la ciencia de datos y la ciencia de procesos. La minería de procesos busca la confrontación entre los datos de eventos (es decir, el comportamiento observado) y los modelos de procesos (modelos hechos a mano o modelos descubiertos automáticamente), y tiene como objetivo explotar los datos de eventos de una manera significativa, por ejemplo, para proporcionar información, identificar cuellos de botella, anticipar problemas, registrar violaciones de políticas, recomendar contramedidas y optimizar procesos.

...

Seguir la lectura en el libro:

[1] Process Mining Handbook | SpringerLink