Saltar al contenido

Glosario · Conceptos de IA

Ajuste fino

Especializar un modelo ya entrenado con datos de un ámbito concreto.

  • Especialización
  • Transferencia de aprendizaje
  • Ámbito concreto

Nombre original: Fine-tuning

Definición

Es el proceso de volver a entrenar un modelo ya entrenado con un conjunto de datos específico, para adaptarlo a tareas o ámbitos concretos. A diferencia del entrenamiento desde cero, parte de lo que el modelo ya sabe, así que necesita menos datos y menos recursos de cálculo para especializarse.

Del modelo general al modelo especializadoUn modelo base general recibe un conjunto pequeño de datos de un ámbito concreto, pasa por un entrenamiento breve y da como resultado un modelo especializado.Modelo basesabe de todo un pocoDatos del ámbitopocos y de calidadentrenamientoEspecializadoen tu disciplina

Desliza el esquema para verlo entero.

El ajuste fino no parte de cero: aprovecha lo que el modelo ya sabe y lo especializa con pocos datos del ámbito.

Por qué importa en la universidad

Permite crear modelos académicos especializados, adaptados a las necesidades de cada institución, disciplina o contexto educativo:

  • Retroalimentación por disciplina. Retroalimentación especializada en un área concreta del conocimiento.
  • Tutores específicos. Asistentes entrenados en metodologías y contenidos particulares.
  • Ayudantes de investigación. Herramientas adaptadas a protocolos y terminología científica.
  • Análisis educativo. Modelos para el análisis de datos y la evaluación institucional.

Ejemplos en el aula

  1. Rúbricas institucionales

    Un modelo ajustado con los criterios y estándares de evaluación de tu institución.

  2. Manuales de laboratorio

    Un asistente entrenado con protocolos y procedimientos experimentales.

  3. Análisis de redes sociales

    Un modelo para la investigación educativa en medios digitales.

Para saber más

Lecturas recomendadas

  • Zhao, W., et al. (2023). Fine-tuning Pre-trained Language Models: Methods and Applications. AI Open.