Adaptación de un reconocedor neuronal al español rioplatense para asistente bancario
Visión general
De qué trata este proyecto.
Recibes un modelo base abierto (Whisper small en español o un Wav2Vec2 fine-tuneado al español), un dataset interno anonimizado de 60 horas de audio rioplatense con transcripciones revisadas, y un conjunto de evaluación de 8 horas estratificado por zona urbana/rural y edad. Aplica fine-tuning con una técnica eficiente (LoRA u otra adaptación de bajo rango), evalúa WER global y por estrato, y compara coste de entrenamiento frente a entrenamiento completo. El éxito es reducción de WER >= 25 % global y >= 35 % en el estrato rural sin degradar zonas urbanas.
El Briefing
Lo que harás y lo que demostrarás.
Adaptar un modelo ASR base al español rioplatense reduciendo WER global y específicamente en estrato rural mediante fine-tuning eficiente.
Earning criteria — what you'll demonstrate
- Aplicar fine-tuning eficiente con LoRA a modelos ASR
- Diseñar evaluaciones estratificadas para detectar sesgos lingüísticos
- Razonar sobre coste de entrenamiento frente a ganancia
- Adaptar modelos preentrenados a variedades regionales
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosIngeniero/a de NLP
Adaptar ASR a variedades regionales con fine-tuning eficiente y evaluación estratificada es trabajo cotidiano de una persona NLP en empresas con producto de voz hispanohablante.
Este proyecto afina
- speech-recognition
- fine-tuning
- lora
Ingeniero/a de Aprendizaje Automático
Argumentar coste/beneficio del fine-tuning y planificar despliegue refleja el trabajo de una persona MLE en producto de voz.
Este proyecto afina
- fine-tuning
- model-evaluation
- pytorch
Científico/a Aplicado/a de IA
Evaluar sesgos lingüísticos por estrato es el tipo de rigor que se espera de una persona investigadora aplicada que trabaja sobre poblaciones diversas.
Este proyecto afina
- model-evaluation
- speech-recognition
- fine-tuning