Inferencia de Lenguaje Natural para Detección de Cláusulas Abusivas
Visión general
De qué trata este proyecto.
Construye dos baselines NLI y un enfoque LLM para detectar cláusulas abusivas. Evalúa con precision/recall. Obtén un certificado verificable.
El Briefing
Lo que harás y lo que demostrarás.
Construir un sistema NLI cláusula-criterio con recall superior al 85% en categorías críticas y precision agregada superior al 70%.
Earning criteria — what you'll demonstrate
- Aplicar NLI multilingüe a textos jurídicos en español
- Evaluar por criterio en lugar de agregado para detectar gaps
- Comparar regla, modelo MNLI y LLM con metodología honesta
- Comunicar limitaciones a un usuario no técnico (abogado)
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Computational Semantics
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 de Procesamiento de Lenguaje Natural
Aplicar NLI a un dominio especializado con evaluación por criterio es trabajo cotidiano del NLP engineer en legaltech.
Este proyecto afina
- natural-language-inference
- evaluation
- text-classification
Ingeniero de Prompts
Diseñar prompts para LLMs sobre dominio jurídico y comparar contra modelos especializados es el músculo del prompt engineer.
Este proyecto afina
- llm-prompting
- natural-language-inference
- evaluation
Investigador en Seguridad de IA
Reportar honestamente recall en categorías críticas y limitaciones es práctica directa de safety en sistemas que afectan a personas.
Este proyecto afina
- evaluation
- natural-language-inference
- text-classification