Cargando diccionario…
Bloque temático
Proceso, unidades, métodos y controles utilizados para ajustar parámetros de modelos de inteligencia artificial.
Gradient accumulation
Técnica que suma gradientes de varios minilotes antes de actualizar los parámetros.
Ver definición completa →Post-training adaptation
Proceso de orientar un modelo preentrenado hacia una tarea, dominio o comportamiento después del entrenamiento inicial.
Ver definición completa →Supervised fine-tuning
Entrenamiento posterior que adapta un modelo con ejemplos de entrada y respuesta deseada.
Ver definición completa →Reinforcement learning from AI feedback
Método de postentrenamiento que usa evaluaciones generadas por otro sistema de IA como señal de preferencia.
Ver definición completa →Reinforcement learning from human feedback
Método que ajusta un modelo usando preferencias humanas como señal para favorecer unas respuestas sobre otras.
Ver definición completa →Training loop
Secuencia repetida que obtiene datos, calcula pérdida, gradientes y actualiza el modelo.
Ver definición completa →Learning rate schedule
Regla que cambia la tasa de aprendizaje conforme avanza el entrenamiento.
Ver definición completa →Model checkpoint
Instantánea guardada del estado de un modelo en un momento del entrenamiento o de su publicación.
Ver definición completa →Training convergence
Situación en la que la mejora relevante del objetivo o de las métricas se vuelve pequeña y estable.
Ver definición completa →Learning curve
Gráfico que muestra cómo cambia una pérdida o métrica durante el entrenamiento.
Ver definición completa →Training data
Parte de los datos que el algoritmo utiliza para ajustar los parámetros del modelo.
Ver definición completa →Gradient descent
Método de optimización que cambia parámetros en dirección opuesta al gradiente para reducir una función.
Ver definición completa →Stochastic gradient descent
Método que actualiza parámetros usando una estimación del gradiente obtenida con ejemplos o minilotes.
Ver definición completa →Training
Proceso mediante el que se ajusta un modelo utilizando ejemplos, datos y un objetivo de aprendizaje.
Ver definición completa →Mixed precision training
Técnica que combina formatos numéricos de distinta precisión durante el entrenamiento.
Ver definición completa →Distributed training
Entrenamiento cuya carga se reparte entre varios procesos, dispositivos o nodos coordinados.
Ver definición completa →Epoch
Recorrido completo, o aproximadamente completo, por los ejemplos asignados al entrenamiento.
Ver definición completa →Loss function
Función que cuantifica cuánto se aleja la salida de un modelo del resultado deseado durante su ajuste o evaluación.
Ver definición completa →Objective function
Cantidad matemática que el entrenamiento intenta minimizar o maximizar.
Ver definición completa →Gradient
Vector de derivadas que indica cómo cambia una magnitud al variar cada parámetro.
Ver definición completa →Batch
Grupo de ejemplos procesados conjuntamente para calcular una actualización o una evaluación.
Ver definición completa →Optimization
Proceso de buscar parámetros que reduzcan una función objetivo o de pérdida.
Ver definición completa →Direct preference optimization
Técnica que ajusta un modelo directamente con pares de respuestas preferida y no preferida.
Ver definición completa →Optimizer
Algoritmo que decide cómo actualizar los parámetros a partir de gradientes y estado acumulado.
Ver definición completa →Early stopping
Regla que detiene el entrenamiento cuando una señal de validación deja de mejorar.
Ver definición completa →Data parallelism
Estrategia que replica el modelo y procesa particiones distintas de datos en paralelo.
Ver definición completa →Model parallelism
Estrategia que reparte partes del modelo o de sus tensores entre varios dispositivos.
Ver definición completa →Training step
Unidad iterativa en la que el entrenamiento procesa datos y normalmente aplica una actualización.
Ver definición completa →Large-scale pretraining
Entrenamiento inicial de un modelo con grandes volúmenes de datos antes de adaptarlo a usos concretos.
Ver definición completa →Forward propagation
Cálculo que lleva una entrada por las capas de la red hasta producir una salida.
Ver definición completa →Gradient clipping
Técnica que limita la magnitud de los gradientes antes de actualizar parámetros.
Ver definición completa →Backpropagation
Método que calcula cómo contribuyó cada peso de una red neuronal a un error para poder ajustarlo durante el entrenamiento.
Ver definición completa →Batch size
Número de ejemplos incluidos en un lote de entrenamiento.
Ver definición completa →Learning rate
Factor que controla el tamaño de las actualizaciones aplicadas a los parámetros.
Ver definición completa →Learning rate warmup
Fase inicial en la que la tasa de aprendizaje aumenta gradualmente desde un valor bajo.
Ver definición completa →Diagnóstico de procesos
Software interno a medida
Automatización de tareas repetitivas
Integración de sistemas y APIs
IA aplicada solo cuando aporta valor
© 2026 Camilo Boo. Automatización de procesos y software interno.
