Investiga adaptación de dominio para NLP en una startup legal de Madrid
Visión general
De qué trata este proyecto.
Adapta un modelo NLP para una startup legal de Madrid comparando fine-tuning, LoRA y DANN con 600 ejemplos etiquetados. Obtén un certificado verificable.
El Briefing
Lo que harás y lo que demostrarás.
Recomendar la mejor técnica de adaptación de dominio para subir target a ≥85 % macro-F1 sin degradar fuente.
Earning criteria — what you'll demonstrate
- Implementar domain-adversarial training con gradient reversal
- Aplicar LoRA selectiva como adaptación parameter-efficient
- Diagnosticar catastrophic forgetting con métricas en fuente
- Comparar técnicas con criterios de mantenimiento, no solo accuracy
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Meta-Learning, Transfer Learning, and Multi-Task Learning
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 Procesamiento de Lenguaje Natural
Adaptación de dominio es la habilidad central de NLP en producto vertical que firma clientes nuevos.
Este proyecto afina
- domain-adaptation
- nlp
- lora-fine-tuning
Investigador/a de Machine Learning
Comparar técnicas con catastrophic forgetting controlado es rigor metodológico de research aplicada.
Este proyecto afina
- domain-adaptation
- transfer-learning
- domain-adversarial-training
Científico/a de IA Aplicada
Decidir técnica por coste de mantenimiento por cliente es la mentalidad de producto que define el rol.
Este proyecto afina
- domain-adaptation
- transfer-learning
- lora-fine-tuning