Adaptación de un reconocedor neuronal al español rioplatense para asistente bancario
Visión general
De qué trata este proyecto.
Ajusta un reconocedor neuronal al español rioplatense con LoRA para banca digital y reduce el WER un 25%. Obtén un certificado verificable.
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.
Speech Recognition and Spoken Language Processing
Master · Ai Ml
Fit score: 1
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