Comprensión Anclada (Grounded Understanding) en Catálogos de eCommerce Mexicano
Visión general
De qué trata este proyecto.
Normaliza atributos de 5.000 productos artesanales con NER, reglas y LLM como fallback. Evalúa el F1 por atributo y recibe un certificado verificable.
El escenario
El marketplace (alrededor de 28 personas, alrededor de 1,8 millones USD de GMV anual) trabaja con más de 1.200 artesanas en Jalisco y Oaxaca; la normalización de atributos abre filtros que hoy no existen.
El Briefing
Lo que harás y lo que demostrarás.
Construir un extractor de atributos con F1 superior al 80% por atributo y latencia inferior a 200 ms por producto en CPU.
Earning criteria — what you'll demonstrate
- Aplicar comprensión anclada a una ontología real
- Combinar NER, reglas y LLM en un pipeline pragmático
- Evaluar separando casos fáciles vs ambiguos
- Diseñar un sistema con latencia objetivo en CPU
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Computational Semantics
Master · Nlp
Strong alignment
This challenge maps to Computational Semantics at the Master level. It sharpens the same practical skills your coursework expects — but in a real industry context with actual constraints and deliverables.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
- Grounded Language Understanding
Apply grounded language understanding to solve real industry problems and demonstrate production-level capability.
- Named Entity Recognition
Apply named entity recognition to solve real industry problems and demonstrate production-level capability.
- Normalization
Apply normalization to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Llm Prompting
Apply llm prompting to solve real industry problems and demonstrate production-level capability.
- Evaluation
Apply evaluation to solve real industry problems and demonstrate production-level capability.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Ingeniero de Procesamiento de Lenguaje Natural
Construir comprensión anclada en una ontología real es trabajo cotidiano del NLP engineer en marketplaces y catálogos.
Este proyecto afina
- grounded-language-understanding
- named-entity-recognition
- normalization
Ingeniero de IA
Combinar reglas, modelos y LLM en un pipeline con latencia objetivo es el músculo del AI engineer.
Este proyecto afina
- python
- llm-prompting
- normalization
Ingeniero de Aprendizaje Automático
Evaluar separando casos fáciles vs ambiguos es práctica clave del MLE junior en producto.
Este proyecto afina
- named-entity-recognition
- evaluation
- python