Diseña un sistema de question answering para una aseguradora valenciana
Visión general
De qué trata este proyecto.
Implementa un sistema de question answering con BM25 y XLM-RoBERTa para una aseguradora y obtén tu certificado verificable.
El Briefing
Lo que harás y lo que demostrarás.
Construir un sistema QA extractivo sobre 3.800 documentos en español con F1 >= 0,72 y EM >= 0,55, listo para piloto en 3 sucursales.
Earning criteria — what you'll demonstrate
- Aplicar arquitectura recuperador + lector a un caso real en español
- Fine-tunear un modelo extractivo de QA
- Evaluar QA con métricas estándar (EM, F1 token-level)
- Diseñar el flujo end-to-end pensando en el piloto operativo
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Neural Networks for NLP
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 PLN
Construir QA extractivo en español sobre documentación corporativa es uno de los proyectos más demandados del NLP engineer en banca y seguros.
Este proyecto afina
- question-answering
- rag
- nlp-spanish
Ingeniero/a de IA
Integrar recuperador + lector + interfaz operativa es trabajo glue del AI engineer en aplicaciones corporativas.
Este proyecto afina
- rag
- python
- transformers
Ingeniero/a de Machine Learning
El fine-tuning de XLM-R-large para QA y la evaluación con EM/F1 son competencias del MLE aplicado a NLP.
Este proyecto afina
- transformers
- evaluation
- python