Upload via hfc (batch)

Uploaded using hfc tool

.gitattributes

@@ -290,3 +290,6 @@ subir/Curso[[:space:]]Práctico[[:space:]]de[[:space:]]C/09-Finalizando[[:space:
 subir/Curso[[:space:]]Práctico[[:space:]]de[[:space:]]C/09-Finalizando[[:space:]]nuestro[[:space:]]proyecto/08-Colisiones[[:space:]]y[[:space:]]Portadas[[:space:]]en[[:space:]]Videojuegos[[:space:]]Implementación[[:space:]]en[[:space:]]C.mp4 filter=lfs diff=lfs merge=lfs -text
 subir/Curso[[:space:]]Práctico[[:space:]]de[[:space:]]C/09-Finalizando[[:space:]]nuestro[[:space:]]proyecto/09-Creación[[:space:]]de[[:space:]]Juegos[[:space:]]de[[:space:]]Aventuras[[:space:]]en[[:space:]]C[[:space:]]Laberintos[[:space:]]y[[:space:]]Cofres[[:space:]]del[[:space:]]Tesoro.mp4 filter=lfs diff=lfs merge=lfs -text
 subir/Curso[[:space:]]Práctico[[:space:]]de[[:space:]]C/09-Finalizando[[:space:]]nuestro[[:space:]]proyecto/10-Programación[[:space:]]Orientada[[:space:]]a[[:space:]]Objetos[[:space:]]en[[:space:]]Videojuegos[[:space:]]Básicos.mp4 filter=lfs diff=lfs merge=lfs -text
+prompt-engineering/10-Ventana[[:space:]]de[[:space:]]contexto[[:space:]]y[[:space:]]modelo[[:space:]]de[[:space:]]atención[[:space:]]en[[:space:]]LLMs.mp4 filter=lfs diff=lfs merge=lfs -text
+prompt-engineering/1-Cómo[[:space:]]estructurar[[:space:]]prompts[[:space:]]efectivos[[:space:]]con[[:space:]]rol,[[:space:]]enfoque,[[:space:]]límites[[:space:]]y[[:space:]]contexto.mp4 filter=lfs diff=lfs merge=lfs -text
+prompt-engineering/11-Técnicas[[:space:]]de[[:space:]]grounding[[:space:]]para[[:space:]]consultas[[:space:]]legales[[:space:]]con[[:space:]]LLMs.mp4 filter=lfs diff=lfs merge=lfs -text

prompt-engineering/1-Cómo estructurar prompts efectivos con rol, enfoque, límites y contexto.mp4

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:21b9513d8021d1a4f81f486bc96754a8be0f6d3f14b2b70f9d841bef18b5c10f
+size 62102000

prompt-engineering/1-Cómo estructurar prompts efectivos con rol, enfoque, límites y contexto.sub.vtt

@@ -0,0 +1,77 @@
+WEBVTT
+
+00:00:00.379 --> 00:00:03.659
+Si la inteligencia artificial no te entiende, es porque no te estás logrando
+
+00:00:03.659 --> 00:00:07.639
+comunicar bien. Abre ChatGPT, mira el último mensaje que enviaste y lo
+
+00:00:07.639 --> 00:00:12.979
+vas a reescribir en la siguiente estructura: rol, enfoque, memoria y límites. Aquí
+
+00:00:12.979 --> 00:00:16.500
+te va un ejemplo: «Actúa como especialista en marketing en B2B». Ese
+
+00:00:16.500 --> 00:00:20.099
+es el rol. «Vas a crear una publicación en LinkedIn acerca de mi
+
+00:00:20.100 --> 00:00:24.099
+producto». Ese es el enfoque. «La publicación no puede tener más de
+
+00:00:24.100 --> 00:00:28.760
+ciento cincuenta caracteres y debe usar un lenguaje simple, concreto y coloquial». Esos
+
+00:00:28.760 --> 00:00:32.360
+son los límites. Y, por último, tenemos el contexto, donde le voy
+
+00:00:32.360 --> 00:00:35.540
+a explicar de qué trata mi producto. «Mi producto es un software as
+
+00:00:35.540 --> 00:00:38.840
+a service que automatiza el proceso contable de tu empresa». Un poco
+
+00:00:38.840 --> 00:00:42.819
+más complejo y difícil de pensar, y seguramente que lo último que le
+
+00:00:42.819 --> 00:00:47.360
+dijiste a ChatGPT no tenía toda esa información. Complémntala. Con esto pasarás
+
+00:00:47.360 --> 00:00:52.040
+de resultados genéricos a respuestas acertadas y completas. Al terminar el curso, podrás
+
+00:00:52.040 --> 00:00:56.819
+pasar de procesos a instrucciones claras que las entienda cualquier persona, pero
+
+00:00:56.819 --> 00:01:00.399
+más importante, que lo entienda un LLM. Sabrás elegir el modelo y el
+
+00:01:00.399 --> 00:01:04.998
+enfoque correcto dependiendo de la tarea que quieres solucionar. Podrás descomponer problemas
+
+00:01:05.000 --> 00:01:08.659
+complejos en cosas más pequeñas y definir cuál es el prompt o la
+
+00:01:08.659 --> 00:01:12.419
+técnica de prompting correcta para poder llegar al resultado que esperas. Podrás
+
+00:01:12.419 --> 00:01:18.279
+calibrar entre creatividad y precisión, sabiendo si estás dando demasiada información al modelo
+
+00:01:18.279 --> 00:01:21.859
+o si tienes la información necesaria para llegar al resultado que esperas
+
+00:01:21.860 --> 00:01:26.739
+sin tener ninguna alucinación. Este curso no es de código. Aprenderás los fundamentos
+
+00:01:26.739 --> 00:01:29.279
+de crear un buen prompt. Y la verdad es que la inteligencia
+
+00:01:29.279 --> 00:01:34.479
+artificial cambia cada semana, pero con estos fundamentos aprenderás a navegar todos esos
+
+00:01:34.479 --> 00:01:37.979
+cambios. Yo soy Juan Pablo Rojas, chief product officer de Platzi, y
+
+00:01:37.979 --> 00:01:40.220
+te veo en la siguiente clase.
+

prompt-engineering/10-Ventana de contexto y modelo de atención en LLMs.mp4

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:4edb88139aa7130fd29d571bbd66eeb505a92460b4ddcbcb38e75146f45baba4
+size 330081450

prompt-engineering/10-Ventana de contexto y modelo de atención en LLMs.sub.vtt

@@ -0,0 +1,389 @@
+WEBVTT
+
+00:00:00.040 --> 00:00:04.160
+Estás leyendo un informe de cincuenta páginas acerca del performance de la empresa
+
+00:00:04.160 --> 00:00:08.600
+de los últimos dos años y ya vas por la página cuarenta,
+
+00:00:08.600 --> 00:00:12.800
+pero te cuesta recordar cuáles fueron las decisiones que se tomaron en enero
+
+00:00:12.800 --> 00:00:16.700
+de 2024. Era la información que estaba al inicio del reporte, la
+
+00:00:16.700 --> 00:00:21.400
+leíste, la entendiste, pero es que ya vas en la página cuarenta. Este,
+
+00:00:21.400 --> 00:00:23.800
+este problema que nos pasa a nosotros también le pasa a la
+
+00:00:23.800 --> 00:00:27.840
+inteligencia artificial cuando está teniendo que lidiar con contextos muy largos, con mucha
+
+00:00:27.840 --> 00:00:31.560
+información. Y ese problema está relacionado a un concepto llamado la ventana
+
+00:00:31.560 --> 00:00:35.460
+de contexto. La ventana de contexto en un LLM determina cuál es la
+
+00:00:35.460 --> 00:00:40.300
+cantidad de información que tiene capacidad de procesar y esto está acompañado
+
+00:00:40.300 --> 00:00:43.280
+con algo que ya hemos mencionado en clases pasadas, pero quiero explicar más
+
+00:00:43.280 --> 00:00:47.140
+a detalle, que es el modelo de atención. Entonces, recordemos, hablábamos de
+
+00:00:47.140 --> 00:00:52.010
+que la diferencia entre el teclado predictivo de WhatsApp y un LLM es
+
+00:00:52.010 --> 00:00:54.480
+que el teclado predictivo de WhatsApp solo va a buscar cuál es
+
+00:00:54.480 --> 00:00:58.080
+la palabra más probable que sigue después de que tú pongas «Hola», y
+
+00:00:58.080 --> 00:01:00.760
+no va a tener en cuenta ni la conversación que estás teniendo
+
+00:01:00.760 --> 00:01:03.620
+ni la intención del mensaje que vas a escribir. Es por eso que
+
+00:01:03.620 --> 00:01:06.700
+ese teclado predictivo no es capaz de escribir un mensaje completo o
+
+00:01:06.700 --> 00:01:11.400
+redactar un email. Pero un LLM sí tiene esa capacidad gracias al modelo
+
+00:01:11.400 --> 00:01:14.220
+de atención. Y el modelo de atención lo que hace es que
+
+00:01:14.220 --> 00:01:17.260
+le va a dar importancia a diferentes palabras que vaya a encontrar dentro
+
+00:01:17.260 --> 00:01:20.500
+del prompt para poder entender cuál es la intención y el significado
+
+00:01:20.500 --> 00:01:24.330
+de lo que quieres decir. Eso quiere decir que esta ventana de contexto
+
+00:01:24.330 --> 00:01:28.940
+importa muchísimo, porque el prompt, cuando iniciamos un nuevo chat, es el
+
+00:01:28.940 --> 00:01:33.960
+mensaje que nosotros vamos a enviar. Lo enviamos, el LLM nos responde y
+
+00:01:33.960 --> 00:01:37.660
+luego queremos enviar un nuevo mensaje. Uno pensaría que el nuevo mensaje
+
+00:01:37.660 --> 00:01:42.640
+es un prompt individual, pero no. Toda la conversación que estamos teniendo con
+
+00:01:42.640 --> 00:01:46.580
+el LLM es parte del prompt, y eso es la ventana de
+
+00:01:46.580 --> 00:01:50.500
+contexto. Es toda la información que estamos pidiéndole procesar y que solamente va
+
+00:01:50.500 --> 00:01:54.960
+aumentando conforme vamos incrementando la longitud del chat. Y esa no es
+
+00:01:54.960 --> 00:01:58.300
+la única forma de aumentar la ventana de contexto. Cada vez que nosotros
+
+00:01:58.300 --> 00:02:01.100
+subimos un archivo, como lo hicimos en las primeras clases con el
+
+00:02:01.100 --> 00:02:05.780
+reporte de McKinsey, eso también entra dentro de la ventana de contexto. Esto
+
+00:02:05.780 --> 00:02:09.459
+quiere decir que es muy fácil que la ventana de contexto crezca
+
+00:02:09.520 --> 00:02:13.040
+por continuar un chat hasta que ya no dé más y no te
+
+00:02:13.040 --> 00:02:17.140
+responda más, o por subir muchos documentos, con muchas páginas, con mucha
+
+00:02:17.140 --> 00:02:22.520
+información que debe ser procesada para resolver o responder el siguiente mensaje que
+
+00:02:22.520 --> 00:02:26.180
+le acabas de enviar al LLM. Esta ventana de contexto se mide
+
+00:02:26.180 --> 00:02:31.340
+por algo llamado tokens. Y los tokens son una interpretación del LLM de
+
+00:02:31.340 --> 00:02:35.700
+las palabras o de la-- del prompt completo que nosotros estamos enviando.
+
+00:02:35.700 --> 00:02:39.240
+Y digo interpretación porque no es como que el LLM va a cortar
+
+00:02:39.240 --> 00:02:41.980
+exactamente en todos los espacios y va a decir: «Ah, pues este
+
+00:02:41.980 --> 00:02:46.100
+prompt tiene diez palabras, entonces son diez tokens». La verdad es que no.
+
+00:02:46.100 --> 00:02:50.350
+Funciona más como un cocinero que sabe exactamente con cada ingrediente cómo
+
+00:02:50.350 --> 00:02:53.620
+cortarlo y dónde cortarlo y de qué manera cortarlo para poder preparar una
+
+00:02:53.620 --> 00:02:57.720
+receta. En este caso, un LLM en su entrenamiento agarra todas las
+
+00:02:57.720 --> 00:03:01.640
+sutilezas de los diferentes lenguajes con los, con los que es entrenado para
+
+00:03:01.640 --> 00:03:04.940
+decidir dónde hacer los cortes, con tal de agarrar las sutilezas que
+
+00:03:04.940 --> 00:03:09.040
+importan. Por ejemplo, en español tenemos el signo de interrogación de apertura y
+
+00:03:09.040 --> 00:03:12.740
+el signo de interrogación de cierre, cosa que en inglés solo existe
+
+00:03:12.740 --> 00:03:16.880
+el signo de interrogación de cierre. En español, esto nos permite saber dónde
+
+00:03:16.880 --> 00:03:20.080
+inicia la pregunta y dónde termina, y esto lo va a tomar
+
+00:03:20.080 --> 00:03:23.880
+como un token. Con esta explicación lo que debes saber es que las
+
+00:03:23.880 --> 00:03:28.240
+ventanas de contexto tienen un límite de tokens. Por ejemplo, ChatGPT tiene
+
+00:03:28.240 --> 00:03:33.020
+una ventana de contexto de ciento veintiocho mil tokens, que aproximadamente tienden a
+
+00:03:33.020 --> 00:03:37.079
+ser trescientas páginas de un libro. Y esto no quiere decir que
+
+00:03:37.080 --> 00:03:41.340
+no puedas subir un libro de quinientas páginas a ChatGPT e interactuar con
+
+00:03:41.340 --> 00:03:45.140
+él, sino que esto nos enfrenta a un problema llamado en inteligencia
+
+00:03:45.140 --> 00:03:49.100
+artificial la aguja en un pajarro. Es decir, tiene mucha información y tiene
+
+00:03:49.100 --> 00:03:53.359
+que usar otros métodos para obtener esa información y encontrar justo el
+
+00:03:53.360 --> 00:03:56.560
+dato que nos importa de la pregunta que estamos haciendo. Esto va a
+
+00:03:56.560 --> 00:04:01.800
+incrementar la probabilidad de que hayan alucinaciones o que la inteligencia artificial
+
+00:04:01.800 --> 00:04:06.500
+olvide o pierda la atención de ciertos detalles que sí le estamos diciendo,
+
+00:04:06.500 --> 00:04:10.520
+pero que simplemente por la cantidad de información no está logrando capturar.
+
+00:04:10.520 --> 00:04:13.460
+En la siguiente clase vamos a hacer un ejercicio con Gemini. ¿Por qué
+
+00:04:13.460 --> 00:04:16.940
+escogimos Gemini? Porque Gemini es el que tiene la ventana de contexto
+
+00:04:16.940 --> 00:04:20.480
+más grande en este momento. Estamos hablando de un millón de tokens, que
+
+00:04:20.480 --> 00:04:25.760
+son más de ciento veinte mil páginas. Eso aliviana el problema porque
+
+00:04:25.760 --> 00:04:29.740
+va a poder indexar un libro de trescientas páginas sin ningún problema y
+
+00:04:29.740 --> 00:04:34.320
+poder agregar cualquier prompt y cualquier conversación, porque nuestra ventana de contexto
+
+00:04:34.320 --> 00:04:38.440
+es mucho más amplia que eso. Pero acá hay un truco. Todos los
+
+00:04:38.440 --> 00:04:42.500
+modelos grandes de lenguaje que tienen una ventana de contexto tan grande,
+
+00:04:42.500 --> 00:04:46.960
+son capaces de analizar toda esa información, pero entran en un nuevo problema,
+
+00:04:46.960 --> 00:04:50.220
+y es que conforme va aumentando la ventana de contexto después de
+
+00:04:50.220 --> 00:04:54.920
+ciento veintiocho mil tokens, la eficiencia del modelo empieza a degradarse. ¿Esto qué
+
+00:04:54.920 --> 00:04:58.500
+quiere decir? Que seguimos teniendo el problema en donde es capaz de
+
+00:04:58.500 --> 00:05:02.900
+olvidar o alucinar información acerca del documento que vamos a analizar. Además de
+
+00:05:02.900 --> 00:05:06.120
+alucinar u olvidar información, lo que puede empezar a pasar también es
+
+00:05:06.120 --> 00:05:09.740
+que se confunda entre las tareas que le estás dando. Entonces, tú puedes
+
+00:05:09.740 --> 00:05:13.360
+coger un mismo chat de, de ChatGPT, de Gemini o de Claude
+
+00:05:13.360 --> 00:05:18.120
+y puedes pedirle que actúe diferentes roles, puedes seguir combinando tareas dentro del
+
+00:05:18.120 --> 00:05:21.380
+mismo chat, pero hay una probabilidad de que el modelo de atención
+
+00:05:21.380 --> 00:05:25.560
+empiece a confundirse. Primero le dijiste que actuara como un researcher e hiciera
+
+00:05:25.560 --> 00:05:29.860
+una investigación sobre el calentamiento global, y luego le dijiste que hiciera
+
+00:05:29.860 --> 00:05:34.100
+el labor de un social media manager para hacer contenido en redes sociales.
+
+00:05:34.100 --> 00:05:37.039
+Es probable que en ese cambio de rol y que la ventana
+
+00:05:37.040 --> 00:05:41.700
+de contexto por ir incrementando, empiece a equivocarse y no haga tan bien
+
+00:05:41.700 --> 00:05:46.440
+el trabajo como social media manager, porque sigue pensando que debe actuar
+
+00:05:46.440 --> 00:05:50.720
+como researcher que está investigando sobre el cambio climático. O de plano, el
+
+00:05:50.720 --> 00:05:54.360
+tercer error que podemos identificar es que empieza a olvidar las instrucciones.
+
+00:05:54.360 --> 00:05:58.380
+Es decir, le dijimos que me diera resúmenes de quinientas palabras que fueran
+
+00:05:58.380 --> 00:06:02.420
+pragmáticos, concisos, que fueran accionables, y de repente se vuelve a poner
+
+00:06:02.420 --> 00:06:07.480
+poético, se vuelve a poner a decirme cosas larguísimas y pareciera que se
+
+00:06:07.480 --> 00:06:11.452
+le están olvidando las cosas.[Clics]. Hay formas de mitigar esto. Lo
+
+00:06:11.452 --> 00:06:14.952
+primero es que el modelo siempre va a dar más atención a lo
+
+00:06:14.952 --> 00:06:18.572
+último que está en el prompt. Entonces, si se está alargando mucho
+
+00:06:18.572 --> 00:06:22.872
+tu chat dentro de ChatGPT, Gemini o Claude, es importante que le recuerdes
+
+00:06:22.872 --> 00:06:26.532
+los factores importantes que quieres que tenga en cuenta para resolver la
+
+00:06:26.532 --> 00:06:30.072
+tarea que le vas a poner ahora. Esto lo que hace es poner
+
+00:06:30.072 --> 00:06:33.052
+esa información de últimas en la ventana de contexto y, por ende,
+
+00:06:33.052 --> 00:06:36.872
+el modelo de atención le va a dar más prioridad. Lo segundo es
+
+00:06:36.872 --> 00:06:41.132
+que si significa algo en, en nuestro idioma, significa algo para el
+
+00:06:41.132 --> 00:06:46.572
+LLM. Entonces, el uso de mayúsculas, el repetir la información múltiples veces, el
+
+00:06:46.572 --> 00:06:49.832
+uso de signos de exclamación, también van a optimizar el modelo de
+
+00:06:49.832 --> 00:06:54.532
+atención para que tenga más cuidado con las instrucciones que le estamos repitiendo
+
+00:06:54.532 --> 00:06:58.372
+o que estamos usando este tipo de técnicas que significan algo en
+
+00:06:58.372 --> 00:07:03.912
+nuestro lenguaje y van a significar algo para el LLM. Y por último,
+
+00:07:03.912 --> 00:07:08.052
+es que hagas preguntas o identifiques contradicciones. Si le pediste que te
+
+00:07:08.052 --> 00:07:11.892
+diera un reporte, volviendo al reporte de los últimos dos años de la
+
+00:07:11.892 --> 00:07:15.852
+empresa, por cada departamento y solo te habla de tres departamentos, eso
+
+00:07:15.852 --> 00:07:19.592
+ya es una señal de que no está logrando controlar la ventana de
+
+00:07:19.592 --> 00:07:23.472
+contexto y está empezando a olvidar o alucinar información. Y ahí lo
+
+00:07:23.472 --> 00:07:26.312
+que te recomiendo es que la información que te haya servido hasta ese
+
+00:07:26.312 --> 00:07:29.432
+punto del chat, la agarres, te la lleves a un nuevo chat
+
+00:07:29.432 --> 00:07:32.472
+y empieces una nueva tarea en una ventana de contexto limpia con la
+
+00:07:32.472 --> 00:07:37.792
+información que importa. Lo más importante de todo esto es que la
+
+00:07:37.792 --> 00:07:41.852
+información que ingresas tiene que ser la necesaria para resolver el problema. Si
+
+00:07:41.852 --> 00:07:44.992
+ingresas información de más, vas a caer en el problema de la
+
+00:07:44.992 --> 00:07:49.552
+aguja en el pajar, y puede que la inteligencia artificial, el LLM, empiece
+
+00:07:49.552 --> 00:07:53.092
+a alucinar y se pierda entre todo el contexto. Imagínate esta ventana
+
+00:07:53.092 --> 00:07:57.122
+de contexto como un escritorio, y los tokens como la cantidad de páginas
+
+00:07:57.122 --> 00:08:01.392
+que puedes tener visibles en el escritorio. Si solo puedes poner diez
+
+00:08:01.392 --> 00:08:05.062
+y tienes veinte, chances hay de que se pierda la información. Porque, ¿cómo
+
+00:08:05.062 --> 00:08:08.722
+priorizas cuáles son las diez que vas a poder ver? Lo importante
+
+00:08:08.722 --> 00:08:13.992
+es identificar la información correcta, optimizar la m-venta ventana de contexto al máximo
+
+00:08:13.992 --> 00:08:17.452
+y, desde ahí, poder tener mecanismos con los que identifiques en qué
+
+00:08:17.452 --> 00:08:20.672
+momento empezó a alucinar u olvidar la información para que puedas empezar un
+
+00:08:20.672 --> 00:08:24.452
+nuevo chat, reorganices tu mesa con las hojas y pongas la información
+
+00:08:24.452 --> 00:08:26.491
+que importa para la tarea que quieres solucionar.
+

prompt-engineering/11-Técnicas de grounding para consultas legales con LLMs.mp4

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:acb34aa16ab70d82694c0b971c19b025ef040af6d5ff98eb5bfb9909c6c11521
+size 436050296

prompt-engineering/11-Técnicas de grounding para consultas legales con LLMs.sub.vtt

@@ -0,0 +1,575 @@
+WEBVTT
+
+00:00:00.400 --> 00:00:04.090
+Imagina que eres un product manager en una institución financiera en México. Es
+
+00:00:04.090 --> 00:00:07.060
+una institución, digamos, un banco, y tienes la tarea de que vas
+
+00:00:07.060 --> 00:00:09.880
+a crear un nuevo canal para atención de usuarios, que es una aplicación
+
+00:00:09.880 --> 00:00:14.460
+móvil. Para poder proponer esto y que sea viable y te den
+
+00:00:14.460 --> 00:00:17.740
+la aprobación, tienes que hacer un business case, tienes que hacer una propuesta
+
+00:00:17.740 --> 00:00:20.380
+en donde consideres todas las cosas que tienes que tener en cuenta
+
+00:00:20.380 --> 00:00:24.220
+para construirla. Y una de las cosas que va a ser más difícil
+
+00:00:24.220 --> 00:00:28.000
+es entender la ley y la regulación que te aplica, y aunque
+
+00:00:28.000 --> 00:00:32.180
+tienes un equipo legal, pues este es un trabajo que, en específico, tú
+
+00:00:32.180 --> 00:00:35.740
+como product manager deberías un poco dominar esta ley para llegar con
+
+00:00:35.740 --> 00:00:39.540
+propuestas más maduras y que el equipo legal no esté tanto gastándose el
+
+00:00:39.540 --> 00:00:45.080
+tiempo en explicarte toda la ley financiera o de instituciones crediticias, sino
+
+00:00:45.080 --> 00:00:49.820
+que se gaste más ese tiempo en discutir cómo hacer posible la idea.
+
+00:00:49.820 --> 00:00:54.760
+Antes, lo que tenías que hacer para llegar ahí es convertirte en
+
+00:00:54.760 --> 00:00:59.360
+un abogado, ser un experto en la ley, e incluso caías en el
+
+00:00:59.360 --> 00:01:03.060
+problema de que mucho del vocabulario que se usa no necesariamente lo
+
+00:01:03.060 --> 00:01:06.780
+vas a entender o te va a costar entender-- a entenderlo o vas
+
+00:01:06.780 --> 00:01:09.920
+a interpretarlo mal. Pero justo esta es una de esas tareas en
+
+00:01:09.920 --> 00:01:13.690
+donde podemos utilizar un LLM y es una de esas tareas donde vamos
+
+00:01:13.690 --> 00:01:17.679
+a empezar a ver varias técnicas para solucionar el problema de la
+
+00:01:17.680 --> 00:01:22.300
+aguja en un pajar, para que nos aseguremos que la inteligencia artificial no
+
+00:01:22.300 --> 00:01:27.320
+va a alucinar, olvidar e inventar información, sino que de verdad nos
+
+00:01:27.320 --> 00:01:31.700
+sirva para la tarea que queremos cumplir. Y espera, la función acá no
+
+00:01:31.700 --> 00:01:35.000
+es reemplazar a un abogado. La función acá es poder avanzar más
+
+00:01:35.000 --> 00:01:38.200
+en el trabajo para usar el tiempo de los abogados de la empresa
+
+00:01:38.200 --> 00:01:42.320
+en lo que realmente va a traer mayor impacto. Entonces, vamos a
+
+00:01:42.320 --> 00:01:46.500
+irnos a Gemini, que es el LLM con la mayor ventana de contexto
+
+00:01:46.500 --> 00:01:49.620
+de un millón de tokens, y vamos a empezar a ver diferentes
+
+00:01:49.620 --> 00:01:53.880
+técnicas que nos van a ayudar a asegurarnos que no tengamos el problema
+
+00:01:53.880 --> 00:01:59.660
+de alucinaciones, de olvidar o que termine inventando cosas la inteligencia artificial.
+
+00:01:59.660 --> 00:02:03.600
+Y esa primera técnica se va a llamar grounding. Entonces, vamos a irnos
+
+00:02:03.600 --> 00:02:06.140
+a Gemini y vamos a subir uno de los archivos que te
+
+00:02:06.140 --> 00:02:09.258
+dejé en los recursos. El primer archivo que vamos a abrir se llama
+
+00:02:09.258 --> 00:02:14.460
+LIC.pdf, que es la ley de instituciones de crédito. En este caso,
+
+00:02:14.460 --> 00:02:18.420
+esta es la ley de México para banca múltiple y lo que queremos
+
+00:02:18.420 --> 00:02:22.260
+hacer es poderla consultar. Y para eso vamos a usar el siguiente
+
+00:02:22.260 --> 00:02:26.740
+prompt, que tengo acá. Y es: «Eres un asistente legal especializado en la
+
+00:02:26.740 --> 00:02:32.329
+regulación bancaria mexicana. Basa tu respuesta únicamente en mayúsculas en el documento
+
+00:02:32.329 --> 00:02:35.880
+adjunto de la Ley de Instituciones de Crédito. Si la información no está
+
+00:02:35.880 --> 00:02:39.200
+en el documento, responde que no se encuentra disponible». Y acá vemos
+
+00:02:39.200 --> 00:02:42.580
+dos cosas que nos ayudan a este grounding. Lo primero es que le
+
+00:02:42.580 --> 00:02:47.519
+aclaramos que la respuesta debe ser basada únicamente en el documento adjunto
+
+00:02:47.520 --> 00:02:52.520
+y especificamos el nombre del documento. Podríamos decir documentos adjuntos y ya está,
+
+00:02:52.520 --> 00:02:56.480
+pero especificar el nombre del documento hace que se enfoque específicamente y
+
+00:02:56.480 --> 00:03:00.769
+no haya chance de que lo interprete por otro lugar. Únicamente lo ponemos
+
+00:03:00.769 --> 00:03:05.040
+en mayúscula porque significa algo en nuestro lenguaje. Cuando alguien nos habla
+
+00:03:05.040 --> 00:03:09.079
+en mayúscula, quiere decir que nos está haciendo énfasis en algo. Incluso hacemos
+
+00:03:09.080 --> 00:03:13.220
+el chiste de que está gritando. Acá estamos haciendo eso, darle énfasis
+
+00:03:13.220 --> 00:03:17.200
+en que únicamente en el documento adjunto. Y lo otro que hacemos es
+
+00:03:17.200 --> 00:03:20.460
+que le damos una instrucción de qué debe hacer si no encuentra
+
+00:03:20.460 --> 00:03:23.720
+información. Y acá lo más importante a tener en cuenta es que la
+
+00:03:23.720 --> 00:03:28.140
+inteligencia artificial va a encontrar patrones, incluso en lugares donde no los
+
+00:03:28.140 --> 00:03:32.700
+hay. La tarea de la inteligencia artificial es responderte sí o sí. Y
+
+00:03:32.700 --> 00:03:36.579
+si lo que implica es inventar información, lo va a hacer. Entonces,
+
+00:03:36.580 --> 00:03:39.960
+lo que estamos haciendo es ser explícitos en qué-- en qué debe hacer
+
+00:03:39.960 --> 00:03:42.700
+en el momento en el que no encuentre información con la cual
+
+00:03:42.700 --> 00:03:46.400
+responder. En lugar de inventar, mejor que nos dé una respuesta en donde
+
+00:03:46.400 --> 00:03:51.080
+nos diga que no se encuentra esa información. Al enviar este prompt,
+
+00:03:51.080 --> 00:03:55.920
+lo primero que estamos haciendo es darle un rol y dan-darle un enfoque
+
+00:03:55.920 --> 00:03:59.880
+a lo que queremos que pase dentro de-de esta ventana de contexto.
+
+00:03:59.880 --> 00:04:03.240
+Y listo. Acá me dice: «Ya procesé el documento y estoy lista para
+
+00:04:03.240 --> 00:04:07.840
+responder a cualquier pregunta basándome exclusivamente en la información que contiene». Entonces,
+
+00:04:07.840 --> 00:04:09.900
+vamos a hacer una pregunta. Le voy a dar el contexto de que
+
+00:04:09.900 --> 00:04:14.859
+estoy creando una aplicación móvil para una eh, institución crediticia. En este
+
+00:04:14.860 --> 00:04:18.039
+caso, me faltó una S acá, institución, y que será uno de los
+
+00:04:18.040 --> 00:04:21.640
+canales de atención. Y le preguntamos qué requisitos de autenticación de un
+
+00:04:21.640 --> 00:04:26.360
+cliente debe tener mi aplicación. Lo enviamos. Entonces, la respuesta que me da
+
+00:04:26.360 --> 00:04:29.220
+es justo un caso en donde me dice: «La información sobre los
+
+00:04:29.220 --> 00:04:33.780
+requisitos de autenticación específicos para una aplicación móvil no se encuentran disponibles en
+
+00:04:33.780 --> 00:04:37.160
+el documento de la ley de instituciones de crédito proporcionado». Y luego
+
+00:04:37.160 --> 00:04:40.480
+me dice de qué se trata. Lo más importante que acabamos de ver
+
+00:04:40.480 --> 00:04:43.340
+acá es que las dos técnicas de grounding que acabamos de ver,
+
+00:04:43.340 --> 00:04:47.000
+donde le decimos el únicamente y donde le damos una indicación de qué
+
+00:04:47.000 --> 00:04:51.180
+hacer si no está la información disponible, funcionó. En lugar de inventarse
+
+00:04:51.180 --> 00:04:56.780
+algo, nos dijo: «La información no está disponible». Ahora hagamos un ejemplo cuando
+
+00:04:56.780 --> 00:05:00.850
+la información sí está disponible. Vamos a abrir un nuevo chat y
+
+00:05:00.850 --> 00:05:06.320
+vamos a subir dos documentos adicionales. Tenemos la ley de institucio-- de instituciones
+
+00:05:06.320 --> 00:05:10.840
+de crédito, que es la que subimos anteriormente, y vamos a subir
+
+00:05:10.840 --> 00:05:13.640
+dos documentos más que encuentras en el área de recursos, que es el
+
+00:05:13.640 --> 00:05:17.580
+anexo sesenta y tres, que habla sobre cómo, eh, es el uso
+
+00:05:17.580 --> 00:05:21.740
+de el servicio de banca electrónica y uno de los diarios de la
+
+00:05:21.740 --> 00:05:25.800
+re-- de la federación que hablan también sobre esto. En este caso,
+
+00:05:25.800 --> 00:05:28.600
+si tú solo sabes sobre la ley y no tienes información de dónde
+
+00:05:28.600 --> 00:05:33.200
+encuentras la, la regulación que estás buscando, ahí es donde tienes que
+
+00:05:33.200 --> 00:05:35.800
+hablarle a tu equipo legal para que te guíen a cuál es la
+
+00:05:35.800 --> 00:05:39.220
+información correcta. Acá simulamos de que el equipo legal ya me respondió
+
+00:05:39.220 --> 00:05:43.520
+que es esta. Vamos a agregar esa información y vamos a volver al
+
+00:05:43.520 --> 00:05:47.719
+prompt con el que empezamos todo esto, pero voy a hacer una
+
+00:05:47.720 --> 00:05:52.680
+ligera modificación. El prompt con el que empezamos era: «Eres un asistente legal
+
+00:05:52.680 --> 00:05:56.479
+especializado en la regulación me-- bancaria mexicana. Basa tu respuesta únicamente en
+
+00:05:56.480 --> 00:06:00.920
+el documento adjunto de la ley de Instituciones de Crédito». Si yo lo
+
+00:06:00.920 --> 00:06:04.784
+dejo así...A pesar de haber subido el Diario de la Federación y
+
+00:06:04.784 --> 00:06:07.844
+el Anexo sesenta y tres, no lo va a tener en cuenta, porque
+
+00:06:07.844 --> 00:06:11.824
+estoy siendo explícito en qué documento se debe enfocar. Entonces, voy a
+
+00:06:11.864 --> 00:06:17.064
+decir: «Y documentos adjuntos». Y si la información no está en lo-- en
+
+00:06:17.064 --> 00:06:22.444
+los documentos, responde que no se encuentra disponible. Yo podría haber dejado
+
+00:06:22.444 --> 00:06:25.484
+que si la información no está en el documento, responde que no se
+
+00:06:25.484 --> 00:06:29.004
+encuentra disponible y capaz y funciona. Pero lo que queremos es que
+
+00:06:29.004 --> 00:06:32.884
+cada vez que lo usemos, funcione siempre. Entonces, capaz funciona una vez, pero
+
+00:06:32.884 --> 00:06:35.984
+luego lo interpreta de otra manera y no funciona. Es mejor usar
+
+00:06:35.984 --> 00:06:40.764
+las palabras correctas para lo que queremos decir. Lo envío y ahora me
+
+00:06:40.764 --> 00:06:44.164
+dice que ya revisó los documentos y ya los identificó. La ley
+
+00:06:44.164 --> 00:06:48.224
+de instituciones de crédito, el Diario Oficial de la Federación y el Anexo
+
+00:06:48.224 --> 00:06:51.664
+sesenta y tres CV. Y ya está listo para ayudarme. Y voy
+
+00:06:51.664 --> 00:06:55.154
+a hacer la misma pregunta: Estoy creando una aplicación móvil, ¿qué requisitos o
+
+00:06:55.154 --> 00:06:59.124
+autenticación de un cliente debo tener mi aplicación? Lo envío y ahora
+
+00:06:59.124 --> 00:07:03.604
+me respondió. Me dice: «Según los documentos proporcionados, requisitos de autenticación basado en
+
+00:07:03.604 --> 00:07:08.424
+el Anexo sesenta y tres, esto es lo que tengo para decir.
+
+00:07:08.424 --> 00:07:10.984
+Según el Diario de la Federación que yo le pasé», porque le pasé
+
+00:07:10.984 --> 00:07:14.664
+uno de los diarios, no le pasé todo, eh, menciona cuáles son
+
+00:07:14.664 --> 00:07:18.224
+los mecanismos de autenticación, ta, ta, ta, ta, ta. Ahora viene una técnica
+
+00:07:18.224 --> 00:07:21.604
+un poco más avanzada. Voy a pedirle que para cada respuesta que
+
+00:07:21.604 --> 00:07:28.224
+me entregue, me dé, eh, la cita textual del artículo que corresponde para
+
+00:07:28.224 --> 00:07:32.044
+poder ubicar la información que me está dando. Entonces, voy a darle
+
+00:07:32.044 --> 00:07:35.444
+este prompt. Se lo voy a poner acá. Le voy a decir: «Para
+
+00:07:35.444 --> 00:07:39.303
+cada requisito que menciones, incluye la cita textual del artículo correspondiente, entre
+
+00:07:39.304 --> 00:07:43.164
+comillas». Y vamos a ver qué me dice. Me da la respuesta y,
+
+00:07:43.164 --> 00:07:46.644
+por ejemplo, identificador del usuario, me dice: «El número de, de línea
+
+00:07:46.644 --> 00:07:49.964
+de teléfono móvil del usuario cuyo número de línea se encuentra asociado al
+
+00:07:49.964 --> 00:07:53.744
+servicio AT. Este dato debe ser obtenido de forma automática por la
+
+00:07:53.744 --> 00:07:57.444
+institución para ser utilizado como identificador de usuario». Vamos a hacer algo. Voy
+
+00:07:57.444 --> 00:08:01.984
+a coger esta información que me entregó acá y voy a irme
+
+00:08:01.984 --> 00:08:05.924
+a el Anexo sesenta y tres, al documento que descargué. Voy a buscar
+
+00:08:05.924 --> 00:08:09.564
+la cita textual, en este caso, tal cual como me la entregó.
+
+00:08:09.564 --> 00:08:13.444
+Voy a ponerlo, voy a irme acá, tengo el Anexo sesenta y tres,
+
+00:08:13.444 --> 00:08:17.203
+le doy buscar y no aparece. Vamos a hacer una prueba. Pasa
+
+00:08:17.204 --> 00:08:20.584
+que algunos PDFs tienden a ser imágenes a pesar de que vemos los
+
+00:08:20.584 --> 00:08:24.504
+textos. Entonces, voy a coger esta palabra de acá, voy a copiarla,
+
+00:08:24.504 --> 00:08:27.274
+voy a buscarla y voy a ver que en efecto encontró el texto.
+
+00:08:27.274 --> 00:08:31.074
+Entonces no es el problema de mi PDF. Acá yo podría buscar.
+
+00:08:31.074 --> 00:08:34.044
+Entonces, voy a-- voy a coger un par de palabras nada más. Teléfono
+
+00:08:34.044 --> 00:08:39.004
+móvil del usuario. Y vamos a buscar. Acá me sale: «Servicios y
+
+00:08:39.004 --> 00:08:41.784
+operaciones bancarias a través de un servicio telé cuyo número de línea está
+
+00:08:41.784 --> 00:08:44.824
+asociado al servicio. Este dato debe ser obtenido de forma automática por
+
+00:08:44.824 --> 00:08:48.364
+la institución para ser utilizado como identificador de usuario». Entonces, quiero que veas
+
+00:08:48.364 --> 00:08:53.024
+algo. En este caso, la cita textual no la encontró porque tiene
+
+00:08:53.024 --> 00:08:58.464
+unos caracteres especiales que están acá. Pero, en general, la información que me
+
+00:08:58.464 --> 00:09:01.624
+está diciendo acá es parecida a la información que me parece acá.
+
+00:09:01.624 --> 00:09:04.244
+Lo único es que si no es textual, si ves en este caso,
+
+00:09:04.244 --> 00:09:06.844
+dice: «El número de línea del teléfono móvil del usuario cuyo número
+
+00:09:06.844 --> 00:09:10.524
+de línea se encuentra asociado». Y acá es: «Servicios de operaciones bancarias a
+
+00:09:10.524 --> 00:09:13.233
+través de un teléfono móvil del usuario cuyo número de línea está
+
+00:09:13.233 --> 00:09:18.104
+asociado al servicio». Entonces, puedes buscar la cita completa, a veces no la
+
+00:09:18.104 --> 00:09:21.864
+vas a encontrar, puedes buscar palabras para encontrar la referencia y lo
+
+00:09:21.864 --> 00:09:24.944
+importante es que no siempre la cita la va a entregar tal cual.
+
+00:09:24.944 --> 00:09:30.784
+Y esto se lo podemos decir. «En la cita del Anexo sesenta
+
+00:09:30.784 --> 00:09:38.324
+y tres, no la encontré en el documento. ¿Puedes de-decirme en qué página
+
+00:09:38.324 --> 00:09:43.324
+está?» El punto de esta técnica que estamos viendo es que al
+
+00:09:43.324 --> 00:09:47.364
+pedirle las citas textuales podemos validar la información en los documentos de donde
+
+00:09:47.364 --> 00:09:51.684
+vienen. Y desde ahí, ya que validamos que la información sí existe
+
+00:09:51.684 --> 00:09:55.364
+en el documento, ahí ya podemos empezar a hacer más preguntas para entender
+
+00:09:55.364 --> 00:09:59.224
+los puntos exactos que hablan de lo que él detectó que soluciona
+
+00:09:59.224 --> 00:10:03.624
+mi pregunta o la cuestión que le estoy poniendo. Vamos a preguntarle qué
+
+00:10:03.624 --> 00:10:07.864
+es lo que dice todas estas leyes y regulaciones sobre la custodia
+
+00:10:07.864 --> 00:10:11.724
+de la información. Voy a enviarlo y voy a ver cuál es el
+
+00:10:11.724 --> 00:10:15.324
+resultado. Lo importante acá es que va a revisar los tres documentos
+
+00:10:15.324 --> 00:10:18.764
+y me va a decir, con citas exactas, qué lugares habla sobre la
+
+00:10:18.764 --> 00:10:21.804
+custodia de la información. E incluso si te das cuenta, el prompt
+
+00:10:21.804 --> 00:10:27.284
+es bastante amplio. Podríamos estar diciendo custodia de información del cliente, de las
+
+00:10:27.284 --> 00:10:31.404
+cuentas bancarias, de qué específicamente. Acá el punto es que vamos a
+
+00:10:31.404 --> 00:10:34.144
+ver todo lo que lo menciona y de ahí podemos empezar una investigación
+
+00:10:34.144 --> 00:10:37.244
+más profunda. Y si vemos, dice que en el Diario Oficial de
+
+00:10:37.244 --> 00:10:44.584
+la Federación cuenta sobre esta información y... nada más. Ningún otro documento me
+
+00:10:44.584 --> 00:10:47.444
+habla de esto. Si yo le doy acá, puedo ver exactamente de
+
+00:10:47.444 --> 00:10:54.524
+cuál documento se basó. Le puedo decir: «En la ley de Instituciones Crediticias
+
+00:10:54.524 --> 00:11:03.004
+se menciona algo?». Entonces, recordemos lo que veíamos en la clase pasada.
+
+00:11:03.004 --> 00:11:06.444
+En este caso, solo habló sobre el Diario de la Federación, pero yo
+
+00:11:06.444 --> 00:11:09.304
+puedo recordarle que tiene un documento disponible, que es la ley de
+
+00:11:09.304 --> 00:11:14.744
+Instituciones Crediticias y ver o pedirle que vaya y consulte ese documento y
+
+00:11:14.744 --> 00:11:18.364
+vea si ahí hay alguna información que no me está entregando porque
+
+00:11:18.364 --> 00:11:22.324
+se enfocó solamente en el Diario de la Federación. Y dice: «De acuerdo
+
+00:11:22.324 --> 00:11:25.843
+a la información contenida en el, en la ley de Instituciones de
+
+00:11:25.844 --> 00:11:29.944
+Crédito que proporcionaste, no se encuentra disponible el término custodia de la información
+
+00:11:29.944 --> 00:11:34.044
+ni se hace mes-- mención a requisitos específicos sobre este tema». Entonces,
+
+00:11:34.044 --> 00:11:38.224
+con esta última técnica también validamos que en los otros documentos no haya
+
+00:11:38.224 --> 00:11:41.124
+presente información y que no se le esté olvidando o no esté
+
+00:11:41.124 --> 00:11:45.864
+alucinando al respecto. Incluso podríamos mejorar el prompt que hicimos sobre la custodia
+
+00:11:45.864 --> 00:11:50.824
+de la información, aclarándole que consulte los tres documentos adjuntos para no
+
+00:11:50.824 --> 00:11:55.384
+tener que hacer estas validaciones adicionales. Con esta técnica de grounding, acabas de
+
+00:11:55.384 --> 00:11:59.184
+aprender cómo puedes forzar al modelo a responder solamente con la información
+
+00:11:59.184 --> 00:12:04.014
+que le proporcionas, diciéndole que lo haga únicamente basado en los datos adjuntos,
+
+00:12:04.014 --> 00:12:08.223
+pero también agregando una cláusula o una información que diga qué hacer
+
+00:12:08.224 --> 00:12:12.184
+en caso de no encontrar la información. Recuerda, esto no va a reemplazar
+
+00:12:12.184 --> 00:12:15.324
+un abogado, pero sí te va a dar información necesaria para llegar
+
+00:12:15.324 --> 00:12:19.144
+con una propuesta más elaborada. Lo importante es que no creas ciegamente en
+
+00:12:19.144 --> 00:12:22.324
+lo que te dice el LLM, sino que crees mecanismos donde puedas
+
+00:12:22.324 --> 00:12:25.944
+validar la información que te entregó y que esas propuestas lleguen desde un
+
+00:12:25.944 --> 00:12:29.244
+lugar más informado, en lugar de que llegues a una reunión creyendo
+
+00:12:29.244 --> 00:12:32.444
+que sabes de qué estás hablando y de repente fue la inteligencia artificial
+
+00:12:32.444 --> 00:12:35.564
+la que alucinó y te hizo ver que no sabías del tema
+
+00:12:35.564 --> 00:12:37.324
+que estabas tratando.
+

prompt-engineering/12-Cadena de pensamiento y verificación con múltiples métodos en LLMs.sub.vtt

@@ -0,0 +1,233 @@
+WEBVTT
+
+00:00:00.280 --> 00:00:04.500
+Si te pregunto cuánto pagarías por tres camisetas de veinticinco dólares con un
+
+00:00:04.500 --> 00:00:10.080
+20 % de descuento, ¿qué me responderías? En mi caso, yo empezaría
+
+00:00:10.080 --> 00:00:14.890
+por decir: «Bueno, 20 % de veinticinco es cinco dólares, entonces veinte menos
+
+00:00:14.890 --> 00:00:19.960
+cinco... veinticinco menos cinco son veinte dólares, por tres son sesenta dólares».
+
+00:00:19.960 --> 00:00:26.420
+Entonces, pagarías sesenta dólares. Esto que acabo de hacer fue verbalizar cuál fue
+
+00:00:26.420 --> 00:00:30.919
+mi cadena de pensamiento para llegar al resultado. Es decir, dije con
+
+00:00:30.920 --> 00:00:35.280
+palabras cuál fue el paso a paso que ejecuté en mi cabeza para
+
+00:00:35.280 --> 00:00:39.620
+llegar al resultado de sesenta dólares. Primero, tenía el valor de veinticinco,
+
+00:00:39.620 --> 00:00:42.600
+luego saqué el 20 %, que son cinco dólares, luego esos cinco se
+
+00:00:42.600 --> 00:00:46.240
+los resté a los veinticinco, me dio veinte dólares, y luego multipliqué
+
+00:00:46.240 --> 00:00:51.400
+veinte por tres. Esto, a nivel de LLMs, se llama chain of thought
+
+00:00:51.400 --> 00:00:55.460
+o cadena de pensamiento. Y básicamente es lo que hace un LLM
+
+00:00:55.460 --> 00:00:58.980
+cada vez que le ponemos una tarea. Hace un par de años, para
+
+00:00:58.980 --> 00:01:02.820
+poder estimular al LLM y llegar a esa cadena de pensamiento, teníamos
+
+00:01:02.820 --> 00:01:07.280
+que darle un problema y decirle: «Piensa paso a paso». Y de repente,
+
+00:01:07.280 --> 00:01:11.660
+lo que el LLM hacía era primero pensar cuáles son los pasos
+
+00:01:11.660 --> 00:01:15.480
+para resolver el problema y luego ejecutar esos pasos. Hoy en día podemos
+
+00:01:15.480 --> 00:01:19.680
+decir que los modelos de razonamiento son los que hacen este proceso,
+
+00:01:19.680 --> 00:01:22.740
+pero la verdad es que todos los modelos hoy en día razonan. La
+
+00:01:22.740 --> 00:01:27.240
+diferencia entre un modelo rápido y un modelo pro o sofisticado o
+
+00:01:27.240 --> 00:01:31.800
+de problemas complejos, es cuánto tiempo tienen para razonar. Pero eso lo vamos
+
+00:01:31.800 --> 00:01:34.380
+a ver en las clases del futuro. En esta clase quiero que
+
+00:01:34.380 --> 00:01:38.360
+nos centremos en, primero, entender qué es esta cadena de pensamiento, que es
+
+00:01:38.360 --> 00:01:41.300
+el paso a paso para llegar a resolver un problema, en donde
+
+00:01:41.300 --> 00:01:44.680
+nosotros se lo podemos dar o le podemos pedir al LLM que los
+
+00:01:44.680 --> 00:01:48.900
+piense. Y segundo, cómo a través de esta cadena de pensamiento podemos
+
+00:01:48.900 --> 00:01:53.220
+generar múltiples caminos que nos den el mejor resultado posible. Esto último se
+
+00:01:53.220 --> 00:01:58.500
+llama self consistency, que es pedirle al LLM llegar a diferentes formas
+
+00:01:58.500 --> 00:02:02.400
+de resolver un problema, ver los resultados y asegurarnos que todas las formas
+
+00:02:02.400 --> 00:02:06.480
+llegan al resultado que queremos, o, por lo menos, escoger cuál es
+
+00:02:06.480 --> 00:02:09.720
+el resultado más común dentro de todas las formas que tuvo para resolver
+
+00:02:09.720 --> 00:02:13.380
+un problema. Y para poder ver esto en acción, vamos a seguir
+
+00:02:13.380 --> 00:02:18.440
+con nuestro problema de cómo resolveríamos comprar tres camisas de veinticinco dólares con
+
+00:02:18.440 --> 00:02:22.640
+20 % de descuento. Quiero que abras Microsoft Copilot y vamos a
+
+00:02:22.640 --> 00:02:26.320
+abrir un nuevo chat y vas a poner el siguiente prompt: «¿Cuánto pagarías
+
+00:02:26.320 --> 00:02:29.680
+por tres camisas de veinticinco dólares cada una con un 20 %
+
+00:02:29.680 --> 00:02:33.360
+de descuento?» Lo vamos a enviar y vamos a ver que nos cuente
+
+00:02:33.360 --> 00:02:36.620
+cuál es el resultado. Muchas veces vas a ver que puede decirte
+
+00:02:36.620 --> 00:02:41.860
+simplemente sesenta dólares, y algo que puedes decir es: «Piensa paso a paso».
+
+00:02:41.860 --> 00:02:44.040
+Y muchas otras veces vas a ver que te va a contar
+
+00:02:44.040 --> 00:02:47.010
+cuál fue el proceso. En este caso me dice: «Para calcular cuánto pagarías
+
+00:02:47.010 --> 00:02:50.380
+por tres camisas de veinticinco dólares cada una con un 20 %
+
+00:02:50.380 --> 00:02:55.370
+de descuento, primero multiplica el precio. Sin el descuento da setenta y cinco
+
+00:02:55.370 --> 00:02:59.760
+dólares. Luego, calcula el descuento del 20 %, que serían quince dólares,
+
+00:02:59.760 --> 00:03:03.900
+y luego, al precio final, le resta el descuento y son sesenta dólares».
+
+00:03:03.900 --> 00:03:07.760
+Acabamos de ver otro camino diferente al mío para resolver el mismo
+
+00:03:07.760 --> 00:03:13.100
+problema y llega a la misma solución: sesenta dólares. Ahora, ¿cómo podríamos aplicar
+
+00:03:13.100 --> 00:03:16.579
+el tema de self consistency en el caso de prompts? Vamos a
+
+00:03:16.580 --> 00:03:20.840
+abrir un nuevo chat y vamos a modificar ligeramente mi prompt con una
+
+00:03:20.840 --> 00:03:25.540
+frase simple. «¿Cuánto pagarías por tres camisas de veinticinco dólares cada una
+
+00:03:25.540 --> 00:03:30.109
+con un 20 % de descuento? Dame tres métodos para calcular esto». Voy
+
+00:03:30.109 --> 00:03:34.320
+a darle enter. Y acá me va a entregar tres métodos, tres
+
+00:03:34.320 --> 00:03:38.260
+cadenas de pensamiento con los cuales va a llegar al resultado. Veamos el
+
+00:03:38.260 --> 00:03:41.820
+resultado. Método uno: descuento sobre el precio final, que fue el que
+
+00:03:41.820 --> 00:03:47.040
+ya vimos. Precio unitario con descuento, entonces me dice: «Veinticinco dólares menos el
+
+00:03:47.040 --> 00:03:51.520
+20 % de veinticinco. Veinticinco menos cinco igual veinte. Precio final: tres
+
+00:03:51.520 --> 00:03:55.840
+por veinte, sesenta». Ese fue mi método. Y el tercero, multiplicación por el
+
+00:03:55.840 --> 00:04:01.020
+porcentaje restante. Entonces, dice: «100 % menos 20 % es igual a
+
+00:04:01.020 --> 00:04:04.650
+80 %, que es igual a 0.8. El precio final es setenta y
+
+00:04:04.650 --> 00:04:09.680
+cinco dólares por 0.8, sesenta dólares». En este caso que estamos hablando
+
+00:04:09.680 --> 00:04:13.960
+de una operación matemática, los tres métodos me llevan al mismo resultado. Incluso
+
+00:04:13.960 --> 00:04:16.659
+si el modelo hubiera alucinado o no hubiera hecho bien una de
+
+00:04:16.660 --> 00:04:23.900
+las operaciones, esta forma de pedirle el resultado me permitiría detectar errores. Porque
+
+00:04:23.900 --> 00:04:27.900
+podríamos ver cuál fue la cadena de pensamiento en cada método y
+
+00:04:27.900 --> 00:04:30.960
+si uno de los métodos da un resultado diferente, ya entrar a indagar
+
+00:04:30.960 --> 00:04:34.539
+cuál es el método correcto. O de plano podríamos co-- escoger la
+
+00:04:34.540 --> 00:04:39.540
+respuesta más común. Ya depende de cada problema la solución que queramos darle.
+
+00:04:39.540 --> 00:04:44.880
+Pero con estas dos técnicas, uno, hacer verbal o que explique cuál
+
+00:04:44.880 --> 00:04:48.640
+es el paso a paso de resolver un problema y dos, pedirle diferentes
+
+00:04:48.640 --> 00:04:54.740
+métodos, tenemos una alternativa más a cómo podemos evitar las alucinaciones o
+
+00:04:54.740 --> 00:04:59.320
+cómo podemos evitar que se invente cosas que no necesitamos para resolver un
+
+00:04:59.320 --> 00:05:03.000
+problema. En este caso lo hice con un problema matemático, pero quiero
+
+00:05:03.000 --> 00:05:06.360
+que tomes el ejemplo de la clase anterior donde hablábamos de las leyes
+
+00:05:06.360 --> 00:05:10.560
+del sistema bancario y le hagas una pregunta del cual le pidas
+
+00:05:10.560 --> 00:05:13.520
+tres métodos para llegar a la respuesta. Y quiero que me des en
+
+00:05:13.520 --> 00:05:17.560
+los comentarios cuáles fueron los métodos a los que llegaste haciendo el
+
+00:05:17.560 --> 00:05:21.260
+método de self consistency con el problema que vimos en la clase anterior.
+

prompt-engineering/14-Modelos de razonamiento de ChatGPT y cadenas de pensamiento.sub.vtt

@@ -0,0 +1,389 @@
+WEBVTT
+
+00:00:00.400 --> 00:00:04.019
+En la clase anterior hablamos sobre la cadena de pensamiento o chain of
+
+00:00:04.019 --> 00:00:07.580
+thought, y veíamos que básicamente es el proceso paso a paso para
+
+00:00:07.580 --> 00:00:11.320
+resolver un problema. Quiero ahondar un poco más en esto con el siguiente
+
+00:00:11.320 --> 00:00:14.160
+ejemplo. Vamos a ir a ChatGPT, y la diferencia esta vez es
+
+00:00:14.160 --> 00:00:17.700
+que voy a partir de una cuenta paga. Es decir, si tenías tu
+
+00:00:17.700 --> 00:00:21.600
+cuenta gratis antes, en este caso vas a tener que suscribirte y
+
+00:00:21.600 --> 00:00:26.470
+vas a poder disfrutar de varias configuraciones nuevas que tienes disponibles solo por
+
+00:00:26.470 --> 00:00:30.310
+estar en la versión paga. Lo primero que vas a tener disponible
+
+00:00:30.310 --> 00:00:34.400
+es el-- la posibilidad de cambiar de modelo. En la parte de arriba,
+
+00:00:34.400 --> 00:00:37.960
+donde dice ChatGPT 5, vas a ver que tiene una flecha y
+
+00:00:37.960 --> 00:00:41.990
+cuando le picas vas a ver lo siguiente. Vas a ver la-- el
+
+00:00:41.990 --> 00:00:45.820
+modo automático en donde él decide qué modelo de estos que me
+
+00:00:45.820 --> 00:00:49.680
+muestra va a usar según el problema que yo le lanzo, o puedo
+
+00:00:49.680 --> 00:00:55.460
+decirle directamente: «Quiero que me des el modelo instantáneo que me da
+
+00:00:55.460 --> 00:01:01.570
+las respuestas sin darse un tiempo muy largo para pensar cómo resolverlo». Luego,
+
+00:01:01.570 --> 00:01:04.280
+Thinking, que es el modelo que se va a tomar el tiempo
+
+00:01:04.280 --> 00:01:08.420
+para pensar para resolver. Y luego tenemos el modelo Pro, que este solo
+
+00:01:08.420 --> 00:01:13.000
+está disponible cuando pagas ChatGPT, la versión más alta, o cuando tienes
+
+00:01:13.000 --> 00:01:16.740
+una cuenta de Enterprise y haces parte de un grupo de trabajo, tienes
+
+00:01:16.740 --> 00:01:21.700
+ciertas capacidades del Pro limitadas al día a día. Y luego tenemos
+
+00:01:21.700 --> 00:01:24.480
+los modelos Legacy, que es poder acceder a los modelos que había lanzado
+
+00:01:24.480 --> 00:01:28.680
+antes ChatGPT, pero eso no lo necesitamos en este momento. Nos vamos
+
+00:01:28.680 --> 00:01:33.740
+a enfocar en qué tanto queremos que piense la respuesta. Y para este
+
+00:01:33.740 --> 00:01:37.840
+primer ejemplo vamos a irnos con el modelo instantáneo. Y el primer
+
+00:01:37.840 --> 00:01:40.920
+ejemplo que vamos a poner es el siguiente prompt: «Un grupo de veintitrés
+
+00:01:40.920 --> 00:01:44.860
+personas quiere sentarse en mesas con seis sillas cada una. ¿Son suficientes
+
+00:01:44.860 --> 00:01:48.580
+cuatro mesas?» Lo que quiero que veas es cómo el mismo prompt lo
+
+00:01:48.580 --> 00:01:52.220
+va a resolver dependiendo de cuál es el modelo que usamos y,
+
+00:01:52.220 --> 00:01:57.600
+luego, cómo podemos inducir ese pensamiento paso a paso que queremos ejecutar cada
+
+00:01:57.600 --> 00:02:02.480
+vez que lanzamos un prompt. Lo envío y vemos que la respuesta
+
+00:02:02.480 --> 00:02:05.940
+es instantánea. Me dice: «Cada mesa tiene seis sillas y hay cuatro mesas,
+
+00:02:05.940 --> 00:02:10.440
+entonces seis por cuatro, veinticuatro sillas en total. Como el grupo es
+
+00:02:10.440 --> 00:02:13.780
+de veintitrés personas y veintitrés es menor a veinticuatro, entonces se alcanzan las
+
+00:02:13.780 --> 00:02:19.000
+sillas, sobraría una silla libre». Aunque no le dijimos que nos mostrara
+
+00:02:19.000 --> 00:02:22.160
+la cadena de pensamiento, lo hizo y fue muy rápido en darnos la
+
+00:02:22.160 --> 00:02:26.700
+respuesta. También es un problema bastante simple. No nos enfoquemos en la
+
+00:02:26.700 --> 00:02:31.380
+complejidad del problema. Veamos exactamente el mismo problema con el modelo Thinking. Creamos
+
+00:02:31.380 --> 00:02:35.680
+un nuevo chat, cambiamos el modelo a Thinking y, tal cual como
+
+00:02:35.680 --> 00:02:38.590
+lo acabamos de hacer, le decimos el mismo prompt: «Un grupo de veintitrés
+
+00:02:38.590 --> 00:02:43.400
+personas quiere sentarse en seis sillas cada una. ¿Son suficientes cuatro mesas?»
+
+00:02:43.400 --> 00:02:45.500
+Y lo primero que vamos a ver es que se va a demorar
+
+00:02:45.500 --> 00:02:49.940
+más, va a decir Thinking. Y en ese Thinking nos dice: «Sí,
+
+00:02:49.940 --> 00:02:54.020
+cada mesa tiene seis sillas, cuatro mesas, cuatro por seis, veinticuatro, son veintitrés
+
+00:02:54.020 --> 00:02:58.600
+personas, alcanzas y sobra una silla». Me dio la misma respuesta, pero
+
+00:02:58.600 --> 00:03:02.500
+le tomó un poquito más de tiempo llegar a ella. Ahora, en cada
+
+00:03:02.500 --> 00:03:07.380
+una de estas que acabamos de ver, eh, pues en la primera
+
+00:03:07.380 --> 00:03:10.180
+nos contó un poco la operación matemática para llegar allá y nos dio
+
+00:03:10.180 --> 00:03:13.600
+la narrativa de cómo llegó allá, pero incluso cómo pensó que tenía
+
+00:03:13.600 --> 00:03:18.840
+que hacer una operación matemática. Acá, de hecho, lo pensó y llegó a
+
+00:03:18.840 --> 00:03:23.299
+la misma respuesta y nos cuenta la misma operación matemática, pero todavía
+
+00:03:23.300 --> 00:03:26.400
+queda la duda, cómo llegó a que esto lo podía resolver de esa
+
+00:03:26.400 --> 00:03:31.240
+manera. Vamos a hacer un nuevo chat y bajo el mismo Thinking
+
+00:03:31.240 --> 00:03:35.000
+vamos a usar el mismo prompt, pero le voy a decir: «Piensa "paso
+
+00:03:35.000 --> 00:03:39.220
+a paso"». Y lo enviamos. Y ahora nos va a salir el
+
+00:03:39.220 --> 00:03:45.140
+Thinking. Y si esperamos un segundo más, nos va a decir calculando las
+
+00:03:45.140 --> 00:03:50.180
+sillas y dice: «Pensé por cuatro segundos». Vamos a calcularlo. Cuatro mesas
+
+00:03:50.180 --> 00:03:53.880
+con seis sillas cada una, cuatro por seis, veinticuatro. Como hay veintitrés personas,
+
+00:03:53.880 --> 00:03:58.100
+comparamos veinticuatro sobre veintitrés, por lo tanto, sobra una silla. Listo, tarea
+
+00:03:58.100 --> 00:04:03.100
+resuelta. El paso corto es este. Puedes organizar, por ejemplo, tres mesas con
+
+00:04:03.100 --> 00:04:06.360
+seis personas y una mesa con cinco. A todos llegamos al mismo
+
+00:04:06.360 --> 00:04:10.860
+resultado, pero la diferencia es cómo el prompt nos permitió ver cuál fue
+
+00:04:10.860 --> 00:04:15.500
+el proceso de pensamiento para llegar allá. ¿Esto qué quiere decir? ¿Que
+
+00:04:15.500 --> 00:04:18.620
+nuestros prompts ahora tienen que ser más sencillos, ya que el modelo puede
+
+00:04:18.620 --> 00:04:23.820
+razonar, puede pensar ese paso a paso? La verdad es que depende
+
+00:04:23.820 --> 00:04:26.320
+del problema. Y el ejercicio que acabamos de hacer es lo que te
+
+00:04:26.320 --> 00:04:29.760
+invito a hacer cada vez que tú vayas a tener un prompt.
+
+00:04:29.820 --> 00:04:33.990
+Yo siempre intento el mismo problema, resolverlo con diferentes modelos en la misma
+
+00:04:33.990 --> 00:04:38.340
+herramienta y ver cuál es la calidad de la respuesta. E incluso
+
+00:04:38.340 --> 00:04:41.640
+si yo veo que la respuesta está llegando a ser no la que
+
+00:04:41.640 --> 00:04:44.680
+yo esperaba, le doy el paso a paso que yo espero que
+
+00:04:44.680 --> 00:04:47.940
+siga, porque cuando le doy el paso a paso que yo espero que
+
+00:04:47.940 --> 00:04:51.900
+siga, estoy limitando también esa cadena de pensamiento. Cada uno de esos
+
+00:04:51.900 --> 00:04:54.840
+pasos se va a convertir en un prompt y cada uno de esos
+
+00:04:54.840 --> 00:05:00.580
+pasos los va a usar para pensar cómo resolverlos. Entonces, estamos limitando
+
+00:05:00.580 --> 00:05:05.540
+los caminos por los que se puede ir. Incluso, hagamos algo nuevo. Vamos
+
+00:05:05.540 --> 00:05:11.000
+a decirle este mismo prompt y le vamos a decir: «Descríbeme el
+
+00:05:11.000 --> 00:05:22.180
+paso a paso... Paso que harías para resolver este tipo de problemas. Dame
+
+00:05:22.180 --> 00:05:27.420
+tres alternativas». Y vamos a ver cuál es la respuesta. Esto lo
+
+00:05:27.420 --> 00:05:30.820
+está haciendo en el modelo Thinking. Acá tenemos la respuesta y quiero que
+
+00:05:30.820 --> 00:05:33.360
+veas lo siguiente. Al pedirle que me dé el paso a paso
+
+00:05:33.360 --> 00:05:35.460
+que-- de lo que haría como si fuera un template y que me
+
+00:05:35.460 --> 00:05:39.599
+diera tres alternativas, uno, estamos aplicando lo que aprendimos en la clase
+
+00:05:39.600 --> 00:05:43.520
+pasada de self-consistency, pero dos, el problema fue más complejo y en este
+
+00:05:43.520 --> 00:05:47.820
+caso pensó por quince segundos. Y cuando le doy que-- clic acá,
+
+00:05:47.820 --> 00:05:52.060
+voy a ver cuál fue la cadena de pensamiento. En este caso, ChatGPT
+
+00:05:52.060 --> 00:05:56.240
+está configurado para que piense en inglés. Entonces, voy a ver el
+
+00:05:56.240 --> 00:05:59.710
+paso a paso y la cadena de pensamiento en inglés, y luego voy
+
+00:05:59.710 --> 00:06:03.728
+a ver el resultado. Y acá puedo ver...Voy a responder el problema
+
+00:06:03.728 --> 00:06:09.248
+matemático que tiene, eh, y mostrar los pasos. Va a ofrecer tres approaches.
+
+00:06:09.248 --> 00:06:13.538
+Entonces, lo primero que pensó fue cuáles son los-- las diferentes alternativas.
+
+00:06:13.538 --> 00:06:21.268
+Multiplicación y comparación, división y redondear hacia arriba, y luego, uso de, de...
+
+00:06:21.268 --> 00:06:28.228
+división y dividendos. Y luego, va a crear la respuesta que me
+
+00:06:28.228 --> 00:06:33.328
+muestra las tres alternativas, y con eso luego hizo el breakdown de cómo
+
+00:06:33.328 --> 00:06:35.668
+se ve esa respuesta y ya me la mostró y acá la
+
+00:06:35.668 --> 00:06:39.328
+tenemos. Voy a usar una de las plantillas que me dio, multiplicar y
+
+00:06:39.328 --> 00:06:43.288
+comparar. Voy a irme a un nuevo chat, voy a poner multiplicar
+
+00:06:43.288 --> 00:06:51.288
+y comparar. Eh, le voy a decir: «Usando este template, resuelve el problema
+
+00:06:51.288 --> 00:06:55.888
+que te daré». El template es este, y luego le digo el
+
+00:06:55.888 --> 00:06:59.988
+problema, y el problema va a ser ligeramente distinto al que le había
+
+00:06:59.988 --> 00:07:04.228
+dado. Voy a ponerlo acá, le voy a decir: «Un grupo de
+
+00:07:04.228 --> 00:07:08.018
+veintitrés personas quiere sentarse en seis sillas cada una, ¿son suficientes cuatro mesas?»
+
+00:07:08.018 --> 00:07:11.648
+Le voy a decir que son trescientas personas y voy a decirle
+
+00:07:11.648 --> 00:07:16.808
+que si son suficientes, doscientas mesas. No, mentiras, voy a decirle que sí
+
+00:07:16.808 --> 00:07:22.028
+son suficientes cincuenta mesas. Entonces, mismo prompt, estamos cambiando las variables para
+
+00:07:22.028 --> 00:07:26.688
+ver que la plantilla que le estoy dando funciona, pero ahora el paso
+
+00:07:26.688 --> 00:07:29.628
+a paso ya está acotado a que esta sea la forma en
+
+00:07:29.628 --> 00:07:34.048
+la que lo va a resolver. Lo enviamos y originalmente, cuando le pusimos
+
+00:07:34.048 --> 00:07:36.948
+el prompt sin el paso a paso, pensó por cuatro segundos. Cuando
+
+00:07:36.948 --> 00:07:40.908
+le pedimos la plantilla, pensó por quince segundos. Y acá ni siquiera alcanzó
+
+00:07:40.908 --> 00:07:45.308
+a decirme cuánto, fue a few seconds, unos pocos segundos. Y lo
+
+00:07:45.308 --> 00:07:49.698
+que hizo fue seguir literalmente el paso a paso. Vamos a multiplicar cincuenta
+
+00:07:49.698 --> 00:07:53.808
+por seis, trescientos. Comparamos con las trescientas personas, trescientos es mayor o
+
+00:07:53.808 --> 00:07:59.328
+igual a trescientos. Conclusión, es exactamente suficiente y me entrega ese resultado. No
+
+00:07:59.328 --> 00:08:03.248
+sobran sillas, es exactamente suficiente. Con modelos de razonamiento como lo que
+
+00:08:03.248 --> 00:08:06.048
+acabamos de ver, algo que a mí me ha sido muy útil es
+
+00:08:06.048 --> 00:08:10.327
+empezar con el problema muy amplio, ver alternativas de cómo es el
+
+00:08:10.328 --> 00:08:15.228
+chain of thought o esa cadena de pensamiento para resolverlo... Después de analizar
+
+00:08:15.228 --> 00:08:18.148
+la cadena de pensamiento, unificar cuál es la que más me parece
+
+00:08:18.148 --> 00:08:22.228
+que resolvería el problema de manera más efectiva y luego volver a ir
+
+00:08:22.228 --> 00:08:25.308
+con el prompt dándole el paso a paso que va a resolver
+
+00:08:25.308 --> 00:08:30.448
+el problema para el futuro. Con esto también empiezo a evitar un problema
+
+00:08:30.448 --> 00:08:34.648
+que es: ¿Cuáles son las palabras para-- correctas para decir esto? Estamos
+
+00:08:34.648 --> 00:08:38.508
+cayendo en cuáles son las palabras que usaría el modelo para pensar en
+
+00:08:38.508 --> 00:08:43.048
+cómo resolver el problema y basados en eso complementar el prompt para
+
+00:08:43.048 --> 00:08:48.228
+ir limitando esa creatividad y llegar al resultado que siempre estamos esperando. Esto
+
+00:08:48.228 --> 00:08:51.128
+quiere decir que en modelos de razonamiento no significa que nos saltemos
+
+00:08:51.128 --> 00:08:55.248
+el paso a paso, significa que tenemos una herramienta más para poder acotar
+
+00:08:55.248 --> 00:08:58.788
+esa creatividad y llegar al prompt exacto que necesitamos para resolver un
+
+00:08:58.788 --> 00:08:59.448
+problema.
+

prompt-engineering/15-Prompt chaining dividir tareas complejas en pasos independientes.sub.vtt

@@ -0,0 +1,362 @@
+WEBVTT
+
+00:00:00.220 --> 00:00:03.880
+Piensa en prompt chaining como si fuera una línea de ensamblaje. Estamos en
+
+00:00:03.880 --> 00:00:06.779
+una fábrica de autos y la realidad es que no es que
+
+00:00:06.780 --> 00:00:09.820
+digamos: «Quiero un auto» y de repente sale un auto. Hay un primer
+
+00:00:09.820 --> 00:00:12.980
+paso con la carrocería, hay un segundo paso, donde se ponen las
+
+00:00:12.980 --> 00:00:16.219
+puertas, hay un tercer paso, donde se pone todo lo eléctrico, hay un
+
+00:00:16.219 --> 00:00:20.040
+cuarto paso, donde se pone el motor, hay un quinto paso, donde
+
+00:00:20.040 --> 00:00:24.150
+se pone toda la cojinería y cada uno de esos pasos va dando
+
+00:00:24.150 --> 00:00:27.030
+pie al siguiente para poder terminar al final de la cadena de
+
+00:00:27.030 --> 00:00:31.300
+ensamblaje con un coche construido. Con los prompts funciona igual. En lugar de
+
+00:00:31.300 --> 00:00:34.420
+tener un prompt gigante que llegue y me diga: «Creo una estrategia
+
+00:00:34.420 --> 00:00:39.360
+de marketing para el siguiente Q del año», pues es una tarea gigante.
+
+00:00:39.360 --> 00:00:42.700
+Y ya vimos chain of thought y ya vimos self-consistency, y sí,
+
+00:00:42.700 --> 00:00:46.820
+podemos tener el paso a paso y puedes llegar a un resultado. Pero
+
+00:00:46.820 --> 00:00:51.300
+igual como en una cadena de ensamblaje de un coche, cada estación
+
+00:00:51.300 --> 00:00:53.980
+tiene un propósito y tiene muy claro qué es lo que tiene que
+
+00:00:53.980 --> 00:00:57.620
+resolver y cuál es su resultado para pasar a la siguiente estación.
+
+00:00:57.620 --> 00:01:01.440
+En este caso, si vamos a crear una estrategia de marketing y nosotros
+
+00:01:01.440 --> 00:01:05.280
+somos expertos en marketing, podríamos partir desde ahí arriba, pero la verdad
+
+00:01:05.280 --> 00:01:08.280
+es que nosotros sabemos cómo hacer una estrategia de marketing paso a paso
+
+00:01:08.280 --> 00:01:11.710
+y cuál es el resultado de cada una de esas estaciones. Va
+
+00:01:11.710 --> 00:01:14.200
+a ser muy parecido a lo que hicimos en chain of thought, donde
+
+00:01:14.200 --> 00:01:17.760
+tenemos un paso a paso, pero acá estamos dividiendo el problema en
+
+00:01:17.760 --> 00:01:20.320
+cada uno de esos pasos para que cada uno de esos pasos sea
+
+00:01:20.320 --> 00:01:23.539
+un prompt, para que cada uno de esos pasos sea algo que
+
+00:01:23.540 --> 00:01:26.920
+hacemos dentro del ChatGPT o dentro del LLM, de preferencia en un nuevo
+
+00:01:26.920 --> 00:01:31.140
+chat. Imagina, por ejemplo, que a partir de un resumen de un
+
+00:01:31.140 --> 00:01:35.760
+artículo de un blog que escribiste, quieres hacer las publicaciones en social media.
+
+00:01:35.760 --> 00:01:39.320
+Primero, el punto es sacar los puntos claves de ese blog post
+
+00:01:39.320 --> 00:01:43.060
+que escribiste. Lo siguiente es que cada uno de esos puntos claves los
+
+00:01:43.060 --> 00:01:47.030
+vas a convertir en una publicación para una red social. Digamos que
+
+00:01:47.030 --> 00:01:50.280
+es Instagram. Luego de que sabes cómo cada uno de esos puntos se
+
+00:01:50.280 --> 00:01:53.740
+convierte en la publicación de Instagram, lo siguiente es crear la pie--
+
+00:01:53.740 --> 00:01:58.120
+la pieza gráfica. Luego de que creaste la pieza gráfica, lo siguiente va
+
+00:01:58.120 --> 00:02:00.640
+a ser crear el texto que va a acompañar esa pieza cuando
+
+00:02:00.640 --> 00:02:04.840
+la publiques. Y hasta que tengas todos esos pasos resueltos, vas a poder
+
+00:02:04.840 --> 00:02:09.620
+publicar esa pieza en tu feed. Aquí el punto es que podríamos
+
+00:02:09.620 --> 00:02:13.160
+hacerlo en una sola conversación, pero ya hemos venido hablando sobre cuál es
+
+00:02:13.160 --> 00:02:16.980
+el problema de agrandar la ventana de contexto. Y lo más óptimo
+
+00:02:16.980 --> 00:02:21.020
+para sacar el mejor provecho de un LLM es que dejemos de hacerlo
+
+00:02:21.020 --> 00:02:24.660
+en una sola conversación y que el resultado de cada paso pase
+
+00:02:24.660 --> 00:02:28.100
+a un nuevo chat para partir al siguiente paso que tenemos en la
+
+00:02:28.100 --> 00:02:31.320
+cadena, justo como si habláramos de la cadena de producción de un
+
+00:02:31.320 --> 00:02:34.320
+coche. Vamos a ir a un ejemplo detallado y es que voy a
+
+00:02:34.320 --> 00:02:39.160
+tomar el último reporte de la organización Cl-Climate Change Committee, que está
+
+00:02:39.160 --> 00:02:44.560
+en Inglaterra, que en abril de 2025 generó un reporte sobre cómo estaba
+
+00:02:44.560 --> 00:02:48.660
+avanzando la adopción de cambio climático dentro de Inglaterra al Parlamento. Y
+
+00:02:48.660 --> 00:02:52.480
+a partir de eso vamos a tratar de generar contenido que venga de
+
+00:02:52.480 --> 00:02:55.120
+ese reporte. Vamos a crear un resumen de cien palabras que de
+
+00:02:55.120 --> 00:03:00.020
+verdad nos aporte para entender las causas, efectos y soluciones del cambio climático.
+
+00:03:00.020 --> 00:03:02.900
+Pero, pues hacer un resumen es bastante sencillo. Lo hicimos en el
+
+00:03:02.900 --> 00:03:06.080
+primer módulo con un solo prompt. Acá vamos a hacer algo diferente, lo
+
+00:03:06.080 --> 00:03:09.700
+vamos a dividir en tres pasos. El primer paso va a sacar
+
+00:03:09.700 --> 00:03:13.660
+los puntos más relevantes del reporte. El segundo paso lo va a clasificar
+
+00:03:13.660 --> 00:03:17.780
+entre causas, efectos y soluciones. Y el tercer paso va a tomar
+
+00:03:17.780 --> 00:03:21.780
+ese resultado para generar el resumen. Veamos cómo cambia comparado a lo que
+
+00:03:21.780 --> 00:03:24.840
+hicimos en el primer módulo. En la parte de recursos te dejé
+
+00:03:24.840 --> 00:03:28.150
+tres archivos: un PDF, que es el reporte de cómo es el progreso
+
+00:03:28.150 --> 00:03:33.060
+adaptándose al cambio climático en Inglaterra, y dos, eh, spreadsheets, uno que
+
+00:03:33.060 --> 00:03:36.240
+trae todas las gráficas y datos que aportan al reporte y uno que
+
+00:03:36.240 --> 00:03:40.900
+tiene una serie de recomendaciones. Y tenemos nuestro prompt. Extrae los cinco
+
+00:03:40.900 --> 00:03:44.080
+puntos más importantes del reporte que te adjunté sobre el progreso del cambio
+
+00:03:44.080 --> 00:03:48.020
+climático en UK. Le vamos a dar enviar. Y algo que vamos
+
+00:03:48.020 --> 00:03:50.640
+a ver es que apenas lo envío, va a tratar de mostrarme un
+
+00:03:50.640 --> 00:03:53.460
+preview de los archivos que subí. Entonces, me está diciendo que no
+
+00:03:53.460 --> 00:03:57.000
+me puede mostrar el preview de, eh, gráficas y datos, pero sí me
+
+00:03:57.000 --> 00:04:01.480
+muestra el de las recomendaciones y el PDF está por acá. Y
+
+00:04:01.480 --> 00:04:05.300
+ahora, como estoy usando el thinking, va a tardarse un rato, pero también
+
+00:04:05.300 --> 00:04:07.900
+yo puedo ver cuál es el chain of thought. Lo primero que
+
+00:04:07.900 --> 00:04:12.480
+está haciendo es leyendo los documentos. Le dio doble lectura. Y ya que
+
+00:04:12.480 --> 00:04:16.760
+terminó la segunda lectura, dice: «El usuario preguntó por cinco key points.
+
+00:04:16.760 --> 00:04:19.880
+Voy a enfocarme en lo siguiente, ta, ta, ta». Y me entrega los
+
+00:04:19.880 --> 00:04:23.840
+cinco mensajes claves del reporte e incluso me da las citas de
+
+00:04:23.840 --> 00:04:29.120
+dónde encuentro esa información de la cual se basó para darme la respuesta.
+
+00:04:29.120 --> 00:04:31.860
+Y esto es lo clave. Yo voy a irme al icono de
+
+00:04:31.860 --> 00:04:35.120
+acá que dice copiar, le voy a picar y me voy a ir
+
+00:04:35.120 --> 00:04:39.700
+al nuevo chat. Y acá le voy a decir: toma los siguientes
+
+00:04:39.700 --> 00:04:44.360
+puntos, dos puntos, y voy a pegar lo que me dio. En este
+
+00:04:44.360 --> 00:04:47.800
+caso, simplemente, voy a quitar la información que no me sirve, voy
+
+00:04:47.800 --> 00:04:51.940
+a dejar solamente los puntos, y desde acá le voy a decir que
+
+00:04:51.940 --> 00:04:57.659
+me los organice por las categorías que estoy buscando generar el reporte.
+
+00:04:57.660 --> 00:05:01.950
+Entonces, le voy a decir: organízalos en categorías de progreso, recomendaciones e impacto.
+
+00:05:01.950 --> 00:05:07.260
+E incluso con lo que ya aprendí, voy a decirle: cinco puntos
+
+00:05:07.260 --> 00:05:19.340
+clave del reporte de cambio climático... UK. Voy a poner acá la etiqueta,
+
+00:05:19.340 --> 00:05:23.240
+la copio, me voy hasta el final, la pego y la cierro.
+
+00:05:23.240 --> 00:05:26.460
+Y con eso ya le estoy diciendo que los puntos inician ahí y
+
+00:05:26.460 --> 00:05:33.660
+que quiero que los organice en esto. Vamos a enviarlo... Y el
+
+00:05:33.660 --> 00:05:36.480
+prompt va a hacer que empiece a pensar, porque estamos en el modelo
+
+00:05:36.480 --> 00:05:42.700
+thinking. Pensó por seis segundos y tenemos el resultado. Progreso está acá,
+
+00:05:42.700 --> 00:05:48.860
+recomendaciones está acá, impacto están acá. Tal cual, lo que yo le pasé
+
+00:05:48.860 --> 00:05:52.400
+arriba lo acabo de clasificar. Vamos a copiar este resultado y nos
+
+00:05:52.400 --> 00:05:56.180
+vamos a ir a un nuevo chat. Acá le voy a decir: «A
+
+00:05:56.180 --> 00:06:07.040
+partir de los hallazgos del reporte de progreso en adaptación al cambio
+
+00:06:07.040 --> 00:06:19.170
+climático...OK, voy a poner «A partir de los siguientes hallazgos». Dos puntos. Le
+
+00:06:19.170 --> 00:06:24.430
+voy a poner «Hallazgos». Voy a cerrar. Voy a abrir de nuevo
+
+00:06:24.430 --> 00:06:29.990
+«Hallazgos». Voy a cerrar. Y acá, dentro de ese bloque, voy a poner
+
+00:06:29.990 --> 00:06:34.970
+la clasificación que ya tengo. Le voy a pedir que me haga
+
+00:06:34.970 --> 00:06:40.850
+un resumen justo como lo que queremos. Entonces, por acá tengo mi prompt
+
+00:06:40.850 --> 00:06:44.410
+y es: Escribe un resumen de cien palabras enfocado en las soluciones
+
+00:06:44.410 --> 00:06:48.710
+más viables. Y le doy a Enviar. De nuevo el modelo va a
+
+00:06:48.710 --> 00:06:51.810
+ponerse a pensar y nos va a dar el resultado. En este
+
+00:06:51.810 --> 00:06:55.310
+caso, vemos que está creando el resumen, que lo debe hacer en español.
+
+00:06:55.310 --> 00:06:59.310
+Tuvo dos pasos que tuvo que pensar para llegar acá, y acá
+
+00:06:59.310 --> 00:07:03.430
+me dice: Las soluciones más viables combinan dirección clara y ejecución rigurosa. Primero,
+
+00:07:03.430 --> 00:07:06.330
+fijar objetivos y metas medibles por sector ligados a hitos anuales y
+
+00:07:06.330 --> 00:07:12.330
+presupuestos. Segundo, crear una coordinación interdepartamental fuerte con mandato en resiliencia y rutas
+
+00:07:12.330 --> 00:07:18.130
+de decisiones rápidas. Tercero, mainstreaming de la adaptación en planifi-- en planificación,
+
+00:07:18.130 --> 00:07:23.490
+spend review, regulación, etc., etc., etc. Me da un cuarto punto y con
+
+00:07:23.490 --> 00:07:27.970
+eso termina. Lo importante de este proceso es que llegamos a un
+
+00:07:27.970 --> 00:07:31.400
+resumen. Llegamos a un resumen de cien palabras. ¿Lo pudimos haber hecho en
+
+00:07:31.400 --> 00:07:36.990
+un solo chat? Sí. ¿Cuál es el problema? Que estamos subiendo tres
+
+00:07:36.990 --> 00:07:40.250
+archivos, que la ventana de contexto va a ir creciendo, que eso puede
+
+00:07:40.250 --> 00:07:44.710
+inducir a más errores, alucinaciones o que se le olvide instrucciones. Y,
+
+00:07:44.710 --> 00:07:49.250
+en este caso, como hicimos cada uno de los prompts, incluso podemos detallar
+
+00:07:49.250 --> 00:07:53.770
+cada una de esas, esas estaciones para que el resultado sea lo
+
+00:07:53.770 --> 00:07:57.730
+más óptimo posible para seguir a la siguiente estación y llegar a un
+
+00:07:57.730 --> 00:08:02.550
+resultado aún más preciso de lo que buscamos. En prompt chaining lo
+
+00:08:02.550 --> 00:08:06.450
+bueno es que cada paso literalmente es un prompt que podemos iterar hasta
+
+00:08:06.450 --> 00:08:10.070
+que lleguemos al prompt exacto y optimizar cada uno de esos pasos
+
+00:08:10.070 --> 00:08:13.930
+para asegurar siempre que vamos a sacar la misma calidad de coche al
+
+00:08:13.930 --> 00:08:15.410
+final de la línea de producción.
+

prompt-engineering/16-Creación de agentes personalizados con IA para empresas.sub.vtt

@@ -0,0 +1,806 @@
+WEBVTT
+
+00:00:00.660 --> 00:00:04.280
+Hasta el momento has aprendido varias técnicas de prompting que te permiten solucionar
+
+00:00:04.280 --> 00:00:08.220
+diferentes tipos de problemas. Quiero que paremos un segundo para ver un
+
+00:00:08.220 --> 00:00:13.040
+par de herramientas que tenemos disponibles cuando trabajamos con Claude, ChatGPT, Gemini o
+
+00:00:13.040 --> 00:00:17.980
+Microsoft Copilot. Estas herramientas te van a permitir controlar otras cosas dentro
+
+00:00:17.980 --> 00:00:22.060
+de cómo la inteligencia artificial lee tus prompts y los ejecuta, pero también
+
+00:00:22.060 --> 00:00:25.580
+te va a dar un superpoder más, y es escalar estos prompts
+
+00:00:25.580 --> 00:00:29.240
+a procesos que puedes automatizar dentro de tu empresa. Vamos a empezar con
+
+00:00:29.240 --> 00:00:32.439
+Microsoft Copilot, y en especial vamos a empezar acá porque es un
+
+00:00:32.439 --> 00:00:38.420
+poco diferente a OpenAI, a Claude y a Gemini, solo porque Microsoft Copilot
+
+00:00:38.420 --> 00:00:42.220
+no tiene un modelo propietario de ellos. Recordemos que por detrás usan
+
+00:00:42.220 --> 00:00:47.430
+los modelos de OpenAI, que es GPT-4 y GPT-5. Pero aun así tenemos
+
+00:00:47.430 --> 00:00:52.660
+un playground donde podemos hacer un poco más de cosas que dentro
+
+00:00:52.660 --> 00:00:56.580
+de las otras herramientas no vamos a tener disponibles solo porque Microsoft se
+
+00:00:56.580 --> 00:00:59.640
+integra muy bien con toda su suite de trabajo. Voy a estarte
+
+00:00:59.640 --> 00:01:03.220
+mostrando todas las herramientas y recuerda que abajo en los recursos tienes los
+
+00:01:03.220 --> 00:01:07.700
+enlaces a cada una de ellas. Entonces, cuando yo mencione Microsoft Copilot,
+
+00:01:07.700 --> 00:01:12.180
+Copilot Studio o cualquier playground, recuerda revisar en los recursos para poder acceder
+
+00:01:12.180 --> 00:01:16.360
+a estas herramientas. Vamos a empezar con Microsoft Copilot. Cuando entramos a
+
+00:01:16.360 --> 00:01:20.840
+Copilot, lo primero que vemos es esta Welcome y esta caja de texto
+
+00:01:20.840 --> 00:01:23.899
+en donde ya hemos interactuado un poco durante el curso y vamos
+
+00:01:23.900 --> 00:01:28.780
+a ver una parte que se llama Agentes. Acá vamos a aclarar algo.
+
+00:01:28.780 --> 00:01:33.860
+Los agentes, en general en inteligencia artificial, no es exactamente lo que
+
+00:01:33.860 --> 00:01:37.920
+vamos a ver acá. Dentro de otras herramientas, esto se puede llamar un
+
+00:01:37.920 --> 00:01:42.899
+GPT o puede llamarse un proyecto en Claude. En Microsoft lo llamamos
+
+00:01:42.900 --> 00:01:47.180
+agentes, no es la definición formal de agentes de inteligencia artificial. Ya vamos
+
+00:01:47.180 --> 00:01:51.080
+a ver cómo logramos que estos agentes sí se conviertan realmente en
+
+00:01:51.080 --> 00:01:55.280
+un agente de inteligencia artificial. Pues ya que tenemos en cuenta eso, vemos
+
+00:01:55.280 --> 00:01:59.760
+Agentes y yo puedo explorar diferentes agentes como el researcher o el
+
+00:01:59.760 --> 00:02:05.440
+analista, que básicamente son chats de Microsoft Copilot con un prompt que los
+
+00:02:05.440 --> 00:02:09.820
+especializa en algo que nosotros determinamos, en este caso, en ir a
+
+00:02:09.820 --> 00:02:13.940
+buscar contenido en internet y hacer una investigación o en hacer análisis de
+
+00:02:13.940 --> 00:02:19.320
+datos. Y podemos ver otros más dentro de, eh, el store que
+
+00:02:19.320 --> 00:02:22.720
+tiene de agentes, pero también podemos crear uno, que esto es lo más
+
+00:02:22.720 --> 00:02:28.260
+importante o lo más interesante que tenemos acá, donde yo puedo describir
+
+00:02:28.260 --> 00:02:30.240
+un poco qué es lo que quiero que haga mi agente o lo
+
+00:02:30.240 --> 00:02:34.240
+puedo configurar tal cual. Y cuando lo voy a configurar, yo le
+
+00:02:34.240 --> 00:02:37.240
+voy a poner un nombre, le voy a poner un-- una descripción, pero
+
+00:02:37.240 --> 00:02:41.260
+sobre todo le voy a poner unas instrucciones. Todos los prompts que
+
+00:02:41.260 --> 00:02:46.290
+hemos ido trabajando, esos prompts son los que yo colocaría en Instrucciones. Entonces,
+
+00:02:46.290 --> 00:02:53.560
+yo le puedo decir: «Actúa como un analista de datos y cuestióname
+
+00:02:53.560 --> 00:02:59.080
+los insights que te entregue». Y en el momento en que yo pongo
+
+00:02:59.080 --> 00:03:04.920
+estas instrucciones, yo acá puedo probar este chat. Entonces, vamos acá a
+
+00:03:04.920 --> 00:03:13.840
+decirle analista de datos y pongo «mi analista». Y acá tengo la opción
+
+00:03:13.840 --> 00:03:17.120
+de probar este chat, donde voy a interactuar con él como si
+
+00:03:17.120 --> 00:03:21.460
+estuviera abriendo un nuevo chat en Microsoft Copilot, pero siempre va a tener
+
+00:03:21.460 --> 00:03:29.260
+cargado este prompt inicial. Entonces, yo le digo: «El calentamiento global está
+
+00:03:29.260 --> 00:03:34.740
+matando el mundo». Y él me va a responder teniendo en cuenta que
+
+00:03:34.740 --> 00:03:37.740
+debe actuar como analista de datos y me va a cuestionar el
+
+00:03:37.740 --> 00:03:40.650
+insight que le acabo de entregar. Entonces, me dice: «Si el ave-- el
+
+00:03:40.650 --> 00:03:43.860
+calentamiento global es una amenaza seria y creciente para el planeta, está
+
+00:03:43.860 --> 00:03:47.400
+provocando ta, ta, ta, ta, ta. ¿Te interesa más como mitigar el problema,
+
+00:03:47.400 --> 00:03:50.980
+el problema de etc., etc., etc.?» Si seguimos en las configuraciones, yo
+
+00:03:50.980 --> 00:03:56.360
+además le puedo ingresar conocimiento. Es decir, yo puedo conectar mi OneDrive y
+
+00:03:56.360 --> 00:04:01.560
+poner información de mi OneDrive o puedo cargarle la información que yo
+
+00:04:01.560 --> 00:04:06.740
+tengo disponible acá. De hecho, teníamos el ejemplo de... del banco en donde
+
+00:04:06.740 --> 00:04:10.120
+íbamos a crear una aplicación móvil y teníamos la ley de crediti--
+
+00:04:10.120 --> 00:04:13.980
+la ley crediticia de México, y yo se la puedo subir. Y la
+
+00:04:13.980 --> 00:04:17.880
+diferencia a subir esto al chat es que, en el chat, todos
+
+00:04:17.880 --> 00:04:20.959
+los documentos que yo subo van a ser parte de su ventana de
+
+00:04:20.959 --> 00:04:25.860
+contexto. En cambio, dentro de este knowledge que yo estoy dándole, lo
+
+00:04:25.860 --> 00:04:29.780
+que estoy haciendo es darle una cantidad infinita de archivos que yo puedo
+
+00:04:29.780 --> 00:04:32.680
+subir y que, al momento en el que yo le haga una
+
+00:04:32.680 --> 00:04:35.940
+pregunta al chat, él va a tener que primero ir a consultar los
+
+00:04:35.940 --> 00:04:39.580
+archivos, traer la información relevante, hacer la parte de la ventana de
+
+00:04:39.580 --> 00:04:44.200
+contexto y con eso sí responder. Entonces, lo más importante de esta parte
+
+00:04:44.200 --> 00:04:48.000
+es que yo puedo subir todos los archivos que yo quiera acá,
+
+00:04:48.000 --> 00:04:50.560
+no van a ampliar la ventana de contexto, sino van a ser una
+
+00:04:50.560 --> 00:04:54.000
+fuente de consulta. Luego, acá yo le puedo dar más herramientas. Puedo
+
+00:04:54.000 --> 00:04:57.900
+decirle que sea capaz de escribir código, que sea capaz de escribir imágenes,
+
+00:04:57.900 --> 00:05:05.520
+simplemente comprenderlo o con apagarlo, puedo quitar o, eh, agregar funcionalidades a
+
+00:05:05.520 --> 00:05:10.860
+esa gente. Y luego, puedo darle opciones de cómo empezar un prompt cuando
+
+00:05:10.860 --> 00:05:14.500
+esté en la ventana de inicio. Entonces, le puedo decir: «Hola» y
+
+00:05:14.500 --> 00:05:19.680
+le voy a decir: «Saludo al chat». Y lo que va a pasar
+
+00:05:19.680 --> 00:05:23.060
+es que aparecen estas opciones que, cuando yo le pico, me llena
+
+00:05:23.060 --> 00:05:27.580
+el prompt inicial, y eso puede ser un paso para hacerlo más an-amigable
+
+00:05:27.580 --> 00:05:31.540
+al momento de compartir a todos, eh, las personas de mi equipo.
+
+00:05:31.540 --> 00:05:35.400
+Con esto ya puedes crear un agente de Microsoft Copilot, compartirlo en tu
+
+00:05:35.400 --> 00:05:38.430
+equipo y que ese prompt que tú tenías no simplemente se quede
+
+00:05:38.430 --> 00:05:42.640
+en un documento en Word, sino que se vuelva un chat que cualquiera
+
+00:05:42.640 --> 00:05:46.300
+pueda usar. Pero hay una herramienta más de Microsoft, que es la
+
+00:05:46.300 --> 00:05:50.030
+más interesante, que es Copilot Studio. Vamos a ir a ella. Recuerdan los
+
+00:05:50.030 --> 00:05:54.940
+recursos donde está. En Copilot Studio, yo puedo entrar y puedo también
+
+00:05:54.940 --> 00:05:58.420
+crear los agentes, lo mismo que acabamos de ver en Microsoft Copilot, y
+
+00:05:58.420 --> 00:06:01.240
+de hecho, si lo creo allá, lo voy a ver disponible acá.
+
+00:06:01.240 --> 00:06:06.276
+Pero lo más interesante es que yo puedo crear flujos, flujos de agente.Ahorita
+
+00:06:06.276 --> 00:06:12.256
+te decía que estos agentes de Copilot Studio y de Microsoft Copilot
+
+00:06:12.256 --> 00:06:15.616
+no eran la definición formal de agentes. Y la razón es porque siguen
+
+00:06:15.616 --> 00:06:20.056
+siendo un chat que no pueden tomar acción sobre una herramienta. Con
+
+00:06:20.056 --> 00:06:24.536
+Agent Flows de Copilot Studio, yo sí puedo crear un nuevo agente y
+
+00:06:24.536 --> 00:06:28.496
+hacer que se conecte con las aplicaciones de Microsoft y tome acciones
+
+00:06:28.496 --> 00:06:32.996
+concretas, como por ejemplo, cuando termine la reunión en Teams, tomo el transcript,
+
+00:06:32.996 --> 00:06:37.116
+genero un resumen y lo envío al correo de todos los asistentes.
+
+00:06:37.116 --> 00:06:40.276
+Eso sería un agente porque tomó acción. No tuve que ir yo a
+
+00:06:40.276 --> 00:06:44.336
+decirle: «Mira, acá está el transcript y desde acá, eh, crea un
+
+00:06:44.336 --> 00:06:48.036
+resumen y luego yo copiar ese resumen y enviarlo, eh, a los correos
+
+00:06:48.036 --> 00:06:50.196
+de los asistentes». En este curso no me voy a ir a
+
+00:06:50.196 --> 00:06:53.136
+detalle de cómo se hacen los Agent Flows, pero recuerda que tenemos un
+
+00:06:53.136 --> 00:06:56.836
+curso de Copilot Studio en donde vemos a detalle todas las configuraciones
+
+00:06:56.836 --> 00:07:01.396
+que puedes tener dentro de Copilot Studio y cómo las puedes implementar en
+
+00:07:01.396 --> 00:07:04.916
+la suite de Microsoft en un ambiente empresarial. Ahora vamos a ir
+
+00:07:04.916 --> 00:07:08.576
+a otra herramienta que se llama Google AI Studio. Este es un playground
+
+00:07:08.576 --> 00:07:10.956
+muy parecido a lo que vamos a encontrar en OpenAI y en
+
+00:07:10.956 --> 00:07:17.056
+Claude, que nos permite ciertas configuraciones adicionales directamente hacia el modelo. Ya no
+
+00:07:17.056 --> 00:07:20.816
+estamos hablando de la herramienta como tal. Estas configuraciones no están en
+
+00:07:20.816 --> 00:07:25.556
+Microsoft Copilot porque Copilot no tiene un modelo como tal. Usa GPT, que
+
+00:07:25.556 --> 00:07:28.676
+es de OpenAI, pero en este playground sí lo vamos a ver.
+
+00:07:28.676 --> 00:07:32.436
+Entonces nos vamos a Google AI Studio. Recuerda que en recursos encuentras los
+
+00:07:32.436 --> 00:07:37.515
+enlaces para llegar acá. Y vas a encontrar una interfaz muy parecida
+
+00:07:37.516 --> 00:07:41.156
+a Gemini. Empieza con una caja de texto y esa caja de texto
+
+00:07:41.156 --> 00:07:47.336
+es poner el prompt y correrlo. Por ejemplo, eh, ¿cuál es la
+
+00:07:47.336 --> 00:07:54.536
+capital de Estados Unidos? Y lo puedo correr con normalidad, pero quiero que
+
+00:07:54.536 --> 00:07:58.396
+veas ciertos detalles. Lo primero es que tengo la capacidad de ponerle
+
+00:07:58.396 --> 00:08:03.396
+un nombre a esto. Este nombre va a identificar como esta mesa de
+
+00:08:03.396 --> 00:08:08.116
+experimentación, donde yo puedo ir haciendo pruebas y lo, lo importante acá
+
+00:08:08.116 --> 00:08:10.296
+es que yo lo puedo guardar para recordar qué es lo que yo
+
+00:08:10.296 --> 00:08:16.116
+estaba experimentando. Acá no se trata tanto de usar el LLM para
+
+00:08:16.116 --> 00:08:20.056
+consultas como tal, sino para crear los prompts que yo quiero luego llevar
+
+00:08:20.056 --> 00:08:23.116
+a un agente, luego llevar a un GPT, luego llevar a una
+
+00:08:23.116 --> 00:08:26.256
+automatización con N8N. Voy a poner el nombre y le voy a poner
+
+00:08:26.256 --> 00:08:31.636
+Test 1. Puedo ser descriptivo, es lo más importante para no olvidar
+
+00:08:31.636 --> 00:08:35.596
+qué estoy haciendo, pero para este ejemplo pongámosle Test, y hay un par
+
+00:08:35.596 --> 00:08:40.216
+de configuraciones que ya tengo disponibles. Primero, yo puedo ver acá, puedo
+
+00:08:40.216 --> 00:08:44.296
+editar la respuesta del modelo, porque el punto es que esto hace parte
+
+00:08:44.296 --> 00:08:47.856
+de la ventana de contexto, entonces yo quisiera poder complementar con lo
+
+00:08:47.856 --> 00:08:51.936
+que no me dio el modelo. Luego yo puedo volver a correr la
+
+00:08:51.936 --> 00:08:55.496
+respuesta en este logo que se ve acá que dice Rerun. Si
+
+00:08:55.496 --> 00:08:58.596
+yo le pico, vuelve a correr el prompt y vuelve a darme una
+
+00:08:58.596 --> 00:09:01.296
+respuesta, ya sea si es diferente o no, según el prompt que
+
+00:09:01.296 --> 00:09:07.796
+yo ponga acá arriba. Puedo eliminar esta respuesta y entonces limpiar mi ventana
+
+00:09:07.796 --> 00:09:12.736
+de contexto y volverla a correr, que acá lo tenemos. E incluso
+
+00:09:12.736 --> 00:09:17.436
+puedo empezar a crear árboles. ¿A qué son esos árboles? Es: tengo un
+
+00:09:17.436 --> 00:09:21.396
+prompt inicial, tengo una respuesta y quiero empezar a probar diferentes cosas
+
+00:09:21.396 --> 00:09:26.596
+y poderlas comparar. Entonces, si yo hago esto, puedo ver la versión original
+
+00:09:26.596 --> 00:09:30.996
+y puedo luego iterar acá y decir: Editar, y le voy a
+
+00:09:30.996 --> 00:09:40.036
+decir, eh: Capital cultural de Estados Unidos. Lo guardo, lo puedo volver a
+
+00:09:40.036 --> 00:09:48.536
+correr. Y esto que estoy corriendo ya parte desde el árbol que
+
+00:09:48.536 --> 00:09:51.876
+yo acabo de crear. Entonces acá me dice: «Acá hay un debate sobre
+
+00:09:51.876 --> 00:09:55.186
+si es Nueva York», etc., etc., etc., etc. Y luego me puedo
+
+00:09:55.186 --> 00:09:58.916
+ir al historial, y en el historial puedo ver mi chat original, que
+
+00:09:58.916 --> 00:10:04.456
+es Test 1, y que se guardó, pero también puedo ver la
+
+00:10:04.456 --> 00:10:08.736
+rama que yo acabo de crear, como esa variación, que es donde yo
+
+00:10:08.736 --> 00:10:13.416
+le dije lo de, eh, la capital de Nueva York. En este
+
+00:10:13.416 --> 00:10:15.976
+caso no se cambió, lo vuelvo, lo vuelvo a cambiar y lo, y
+
+00:10:16.016 --> 00:10:20.696
+lo guardo. Entonces lo voy a oír acá. Voy a decirle: «Capital
+
+00:10:20.696 --> 00:10:24.576
+cultural de Estados Unidos». Se guardó el prompt, no lo tenía que editar.
+
+00:10:24.576 --> 00:10:28.636
+Lo que no se editó fue la-- eh, eh, cuando corrí el
+
+00:10:28.636 --> 00:10:33.256
+prompt. Entonces lo vuelvo a correr, y ahora voy a tener la respuesta
+
+00:10:33.256 --> 00:10:36.876
+que estábamos viendo en el otro momento. Ahora veamos un par de
+
+00:10:36.876 --> 00:10:40.396
+con-- de configuraciones más. Entonces voy a devolverme a chat, se crea un
+
+00:10:40.396 --> 00:10:43.896
+nuevo chat, y yo acá puedo crear un chat temporal, que es
+
+00:10:43.896 --> 00:10:47.516
+un chat que va a ignorar absolutamente todo lo que exista acerca de
+
+00:10:47.516 --> 00:10:50.996
+mi cuenta, todo lo que ha podido, eh, obtener acerca de quién
+
+00:10:50.996 --> 00:10:54.415
+soy yo y que va guardando en su memoria, y que incluso este
+
+00:10:54.415 --> 00:10:59.116
+chat se va a borrar una vez yo termine esta sesión. Esta
+
+00:10:59.116 --> 00:11:02.556
+función es muy útil para tener un ambiente aislado y poder probar algo
+
+00:11:02.556 --> 00:11:05.596
+que no esté influenciado por ninguna de los otros experimentos que he
+
+00:11:05.596 --> 00:11:12.236
+hecho. Y también tengo la opción de comparar modelos. Cuando yo comparo modelos,
+
+00:11:12.236 --> 00:11:15.915
+me voy a ir a ver el detrás de cámaras. Acá yo
+
+00:11:15.915 --> 00:11:20.876
+puedo escoger Gemini 2.5 Pro, que hablamos que es el modelo que se
+
+00:11:20.876 --> 00:11:25.236
+da chance de pensar por más tiempo, y también puedo probar 2.5
+
+00:11:25.236 --> 00:11:30.036
+Flash, que es el modelo que va a dar respuestas más instantáneas. Y
+
+00:11:30.036 --> 00:11:33.776
+en este caso tengo la oportunidad de hacer las pruebas al mismo
+
+00:11:33.776 --> 00:11:37.356
+tiempo sin tener que hacer lo que hicimos en clases pasadas de abrir
+
+00:11:37.356 --> 00:11:40.875
+un nuevo chat y comparar si no veo las dos una al
+
+00:11:40.876 --> 00:11:44.156
+lado de la otra y poder tener una decisión. Esto hace ese proceso
+
+00:11:44.156 --> 00:11:49.456
+un poquito más fácil. Voy a decirle acá: ¿cuál es la capital
+
+00:11:49.456 --> 00:11:56.156
+de Estados Unidos? Voy a correrlo y me va a dar la respuesta.
+
+00:11:56.156 --> 00:12:00.436
+Entonces podemos ver que uno está pensando, el otro también. Acá está
+
+00:12:00.436 --> 00:12:05.316
+teniendo como un paso más de pensamiento. Este fue mucho más rápido porque
+
+00:12:05.316 --> 00:12:10.656
+el flash es de...Lo más rápido que puedas responder. Y Gemini 2.5
+
+00:12:10.656 --> 00:12:13.896
+Pro, que si se da el tiempo de pensar se demoró más tiempo.
+
+00:12:13.896 --> 00:12:16.716
+Y de hecho puedo ver cuánto tiempo fue: ocho segundos para el
+
+00:12:16.716 --> 00:12:21.496
+modelo rápido, trece punto cinco segundos para el modelo más lento. Y en
+
+00:12:21.496 --> 00:12:25.356
+una de las clases estábamos hablando de que los LLMs parten las
+
+00:12:25.356 --> 00:12:29.256
+palabras en tokens y que la ventana de contextos se mide en tokens.
+
+00:12:29.256 --> 00:12:32.596
+Y quiero que vean esto que tenemos en el Playground. Tenemos el
+
+00:12:32.596 --> 00:12:36.816
+conteo de tokens que estamos teniendo en cada ventana de contexto. En este
+
+00:12:36.816 --> 00:12:40.436
+caso nosotros usamos doscientos treinta y cinco tokens en esta consulta que
+
+00:12:40.436 --> 00:12:46.576
+acabamos de hacer. Teniendo este comparador vamos a ver la última configuración más.
+
+00:12:46.576 --> 00:12:52.376
+A este lado nosotros podemos ver configuraciones como temperatura, la resolución que
+
+00:12:52.376 --> 00:12:56.396
+queremos, las imágenes que se generan, si tenemos habilitado no el thinking mode.
+
+00:12:56.396 --> 00:12:59.176
+En este caso estamos en un modelo que tiene habilitado el thinking
+
+00:12:59.176 --> 00:13:04.036
+mode, entonces no lo podemos deshabilitar, pero sí puedo controlar por cuánto tiempo
+
+00:13:04.036 --> 00:13:07.696
+va a pensar que es ese thinking budget. Y el thinking budget
+
+00:13:07.696 --> 00:13:12.016
+es cuántos tokens tiene permitido usar para ir a pensar y luego volver
+
+00:13:12.016 --> 00:13:15.656
+con la respuesta. Entre más tokens le doy, más chance tiene de
+
+00:13:15.656 --> 00:13:21.556
+pensar, entre menos tokens, más instantánea la respuesta. Y tengo más herramientas y
+
+00:13:21.556 --> 00:13:25.316
+más configuraciones. En la siguiente clase vamos a ver temperatura y top
+
+00:13:25.316 --> 00:13:29.796
+P, que son dos configuraciones que controlan la creatividad del modelo. Quiero que
+
+00:13:29.796 --> 00:13:33.816
+veas algo, así como nosotros en los agentes de Copilot Studio pudimos
+
+00:13:33.816 --> 00:13:38.856
+ver que le podíamos dar herramientas a nuestro modelo, acá también puedo decirle
+
+00:13:38.856 --> 00:13:43.636
+que me dé respuestas estructuradas, que ejecute código, que pueda ir a
+
+00:13:43.636 --> 00:13:48.316
+Google, hacer búsquedas y traer la información. Claramente, en el caso de Microsoft
+
+00:13:48.316 --> 00:13:53.055
+Copilot sería Bing. Y todas las configuraciones que nos va a permitir
+
+00:13:53.056 --> 00:13:58.556
+controlar mejor lo que nosotros estábamos haciendo en Gemini, pero ya nosotros decidiendo
+
+00:13:58.556 --> 00:14:02.136
+qué hace el modelo. Por ejemplo, yo puedo irme solo a consultar
+
+00:14:02.136 --> 00:14:05.656
+la base de entrenamiento del modelo y ver qué respuestas me da. O
+
+00:14:05.656 --> 00:14:09.436
+saber que esa información no es actualizada, no es la verdad más
+
+00:14:09.436 --> 00:14:13.736
+verdadera cuando hago una consulta y habilitar que vaya a buscar internet. Y
+
+00:14:13.736 --> 00:14:15.576
+eso va a implicar que se va a demorar un poquito más
+
+00:14:15.576 --> 00:14:19.076
+de tiempo, pero que el resultado va a ser mucho, mucho mejor. Ahora
+
+00:14:19.076 --> 00:14:22.256
+quiero que nos vayamos a OpenAI y a Claude para ver cómo
+
+00:14:22.256 --> 00:14:26.156
+se ven esas interfaces, pero básicamente vas a encontrar lo mismo. La opción
+
+00:14:26.156 --> 00:14:29.996
+de comparar prompts, la opción de probar diferentes modelos entre el modelo
+
+00:14:29.996 --> 00:14:33.536
+rápido y el modelo de problemas complejos, el que piensa un poquito más
+
+00:14:33.536 --> 00:14:38.856
+de tiempo. Configuración de temperatura, top P y la posibilidad de agregar
+
+00:14:38.856 --> 00:14:42.056
+o quitar herramientas que va a usar el LLM al momento de dar
+
+00:14:42.056 --> 00:14:46.556
+una respuesta. Ahora vamos a irnos al Playground de OpenAI. Recuerda que
+
+00:14:46.556 --> 00:14:50.216
+en la sección de recursos tienes el enlace para llegar más rápido. Cuando
+
+00:14:50.216 --> 00:14:53.696
+llegues al Playground vas a encontrar una interfaz así. Acá arriba vas
+
+00:14:53.696 --> 00:14:57.556
+a encontrar estos botones. Si encuentras el botón de dashboard quiere decir que
+
+00:14:57.556 --> 00:15:00.836
+ya terminó la configuración de tu cuenta. Si no, va a aparecer
+
+00:15:00.836 --> 00:15:04.816
+un botón que dice start building o comienza a construir. Le picas, llenas
+
+00:15:04.816 --> 00:15:08.236
+la información y ya vas a poder ver el botón de dashboard.
+
+00:15:08.236 --> 00:15:10.936
+Cuando das en el botón de dashboard, en este caso yo estoy en
+
+00:15:10.936 --> 00:15:13.616
+una cuenta que no tiene una tarjeta de crédito. Entonces cuando le
+
+00:15:13.616 --> 00:15:17.856
+voy a dar crear me dice: «Ey, debes agregar una tarjeta de crédito».
+
+00:15:17.856 --> 00:15:21.416
+Y esto es importante. Es diferente si tienes una cuenta paga de
+
+00:15:21.416 --> 00:15:26.156
+ChatGPT al Playground. En la cuenta paga de ChatGPT tú solo puedes usar
+
+00:15:26.156 --> 00:15:30.276
+ChatGPT y te cobran tu suscripción mensual y ya está. En el
+
+00:15:30.276 --> 00:15:35.096
+Playground te van a cobrar por tokens. Es muy poco, casi que un
+
+00:15:35.096 --> 00:15:38.356
+dólar por cada millón de tokens que usas, pero te van a
+
+00:15:38.356 --> 00:15:41.996
+cobrar por tokens. En este caso yo ya tengo una cuenta configurada con
+
+00:15:41.996 --> 00:15:45.096
+un método de pago y cuando le doy crear, llego a una
+
+00:15:45.096 --> 00:15:48.276
+interfaz muy parecida a la que vimos en Copilot Studio o la que
+
+00:15:48.276 --> 00:15:51.696
+vimos en Gemini. Yo puedo poner un prompt inicial que va a
+
+00:15:51.696 --> 00:15:55.276
+ser el prompt con el que el chat se va a configurar. Puedo
+
+00:15:55.276 --> 00:15:58.776
+dar mensajes como usuario o puedo usarlo como si fuera un agente
+
+00:15:58.776 --> 00:16:01.985
+o un GPT normal. Y en esta parte de acá tengo todas las
+
+00:16:01.985 --> 00:16:07.556
+configuraciones que vimos en Gemini Studio. Lo importante acá es que estas
+
+00:16:07.556 --> 00:16:11.436
+interfaces cambian mucho y lo que debes tú explorar cada vez que cambien
+
+00:16:11.436 --> 00:16:16.795
+es dónde encuentras esas mismas configuraciones: temperatura, top P, cómo agregas o
+
+00:16:16.796 --> 00:16:21.176
+quitas herramientas y, en el caso de modelos que tienen razonamiento, cuál es
+
+00:16:21.176 --> 00:16:25.296
+su esfuerzo. En AI Studio teníamos un thinking budget que se daba
+
+00:16:25.296 --> 00:16:29.216
+por tokens, pero en este caso tenemos solamente si queremos que el esfuerzo
+
+00:16:29.216 --> 00:16:32.956
+sea mínimo, bajo, medio o alto, que sería muy parecido a lo
+
+00:16:32.956 --> 00:16:40.466
+que nosotros veíamos cuando estábamos entrando a ChatGPT y teníamos acá automático, instantáneo,
+
+00:16:40.466 --> 00:16:44.656
+thinking o pro. Ahora vamos a irnos a Claude. Y en Claude
+
+00:16:44.656 --> 00:16:48.116
+hay algo en especial. Cuando yo llego acá estoy en la herramienta, no
+
+00:16:48.116 --> 00:16:51.936
+en el modelo. La empresa detrás de esto es Anthropic y lo
+
+00:16:51.936 --> 00:16:56.416
+que debo de hacer es entrar a anthropic.com. Recuerden, los recursos están los,
+
+00:16:56.416 --> 00:17:00.096
+eh, los enlaces y ellos se esfuerzan porque uno siempre usa Claude,
+
+00:17:00.096 --> 00:17:04.236
+entonces toca encontrar esto que dice API build with Claude. Le doy learn
+
+00:17:04.236 --> 00:17:07.816
+more y luego acá le doy start building. Te va a pedir
+
+00:17:07.816 --> 00:17:12.336
+iniciar sesión de nuevo porque son como si fueran cuentas separadas y llego
+
+00:17:12.336 --> 00:17:17.736
+al workbench. Anthropic tiene algo en especial. Anthropic tiene un generador de
+
+00:17:17.736 --> 00:17:21.736
+prompts que cuando le pico yo puedo generar los prompts a partir de
+
+00:17:21.736 --> 00:17:26.076
+describir la tarea que quiero que se haga. Esto es igual como
+
+00:17:26.076 --> 00:17:29.756
+si tú fueras a Claude o a ChatGPT y le dijeras: «Actúa como
+
+00:17:29.756 --> 00:17:33.476
+prompt engineer. Tengo este problema, ayúdame a escribir un prompt». Y ese
+
+00:17:33.476 --> 00:17:39.556
+es un gran tip para poder crear buenos prompts. Entonces, si me devuelvo,
+
+00:17:39.556 --> 00:17:42.716
+le doy crear prompt y voy a enfrentarme a una interfaz muy
+
+00:17:42.716 --> 00:17:47.136
+parecida. Acá pasa lo mismo, debes poner una tarjeta de crédito y te
+
+00:17:47.136 --> 00:17:50.155
+van a cobrar por tokens. No vas a tener el cobro de
+
+00:17:50.156 --> 00:17:54.336
+Claude porque son dos aplicaciones distintas, igual como lo es ChatGPT con el
+
+00:17:54.336 --> 00:17:57.496
+Playground de OpenAI donde accedes a los modelos. Y lo mismo que
+
+00:17:57.496 --> 00:18:01.456
+te decía en OpenAI, estas interfaces cambian mucho. Lo importante es que aprendas
+
+00:18:01.456 --> 00:18:05.776
+a identificar dónde están las configuraciones que te interesan. En este momento,
+
+00:18:05.776 --> 00:18:10.616
+esas configuraciones las encuentras en Tools y acá puedes ver las herramientas a
+
+00:18:10.616 --> 00:18:13.636
+las que les puedes dar acceso. Y en esta parte donde dice
+
+00:18:13.636 --> 00:18:17.776
+Model Settings, puedes ver los modelos que puedes usar y acá vas a
+
+00:18:17.776 --> 00:18:20.636
+ver todas las versiones de modelos que hay entre Opus, que es
+
+00:18:20.636 --> 00:18:23.756
+el modelo que piensa por más tiempo, y Sonnet, que es el modelo
+
+00:18:23.756 --> 00:18:29.776
+más rápido. Temperatura, cantidad de tokens, si queremos que piense cuál es
+
+00:18:29.776 --> 00:18:34.216
+el budget de los tokens y desde ahí correr tus prompts. Con esto
+
+00:18:34.216 --> 00:18:36.736
+en la siguiente clase te voy a explicar qué es la temperatura
+
+00:18:36.736 --> 00:18:39.256
+y qué es el top P, y vamos a hacer unos ejercicios en
+
+00:18:39.256 --> 00:18:40.976
+Google AI Studio.
+

subir/.cache/huggingface/upload/fixed/Curso de Fundamentos de Ingeniería de Software/04-Archivos y estructuras de datos/01-Lecturas recomendadas.txt.metadata

@@ -0,0 +1,8 @@
+1762796718.8431203
+69
+0
+711d83c40bab4518122ae9cbfbbcb73a9cec47f4bde54ba19b8bab736b9091b5
+regular
+
+0
+1

subir/.cache/huggingface/upload/fixed/Curso de Fundamentos de Ingeniería de Software/04-Archivos y estructuras de datos/01-Qué son las bases de datos.mp4.metadata

@@ -0,0 +1,8 @@
+1762797052.7689216
+210871161
+0
+ab306e883de4877ad6336714c968a420a0ca776a93c738033a75aa188d1b2968
+lfs
+
+1
+1

subir/.cache/huggingface/upload/fixed/Curso de Fundamentos de Ingeniería de Software/04-Archivos y estructuras de datos/01-Qué son las bases de datos.vtt.metadata

@@ -0,0 +1,8 @@
+1762796718.8429253
+16943
+0
+64309e236e42997454cb13b98215d15c61850e14847eaa65ec90d2fc3756a940
+regular
+
+0
+1

subir/.cache/huggingface/upload/fixed/Curso de Fundamentos de Ingeniería de Software/04-Archivos y estructuras de datos/01-Resumen.html.metadata

@@ -0,0 +1,8 @@
+1762796718.8433287
+596542
+0
+656b48eaf6daee831b4c720dfc01f8738818291b0cd83f0d0998cb2c14b9b5b6
+regular
+
+0
+1

subir/.cache/huggingface/upload/fixed/Curso de Fundamentos de Ingeniería de Software/04-Archivos y estructuras de datos/02-Cómo funciona el formato JPG.mp4.metadata

@@ -0,0 +1,8 @@
+1762797052.7690637
+174453175
+0
+561e47b45e6f357d0bee9499103234fc22a5ff16be297fecb1e3ebff42b63377
+lfs
+
+1
+1

subir/.cache/huggingface/upload/fixed/Curso de Fundamentos de Ingeniería de Software/04-Archivos y estructuras de datos/02-Cómo funciona el formato JPG.vtt.metadata

@@ -0,0 +1,8 @@
+1762796718.8435264
+11612
+0
+c7306cf7953399e715698ed048e403e60147078af2fcfefdf947c269aeb37f54
+regular
+
+0
+1

subir/.cache/huggingface/upload/fixed/Curso de Fundamentos de Ingeniería de Software/04-Archivos y estructuras de datos/02-Lecturas recomendadas.txt.metadata

@@ -0,0 +1,8 @@
+1762796718.8437212
+62
+0
+c2ead92b964b9660e6576fe0ce1d96be80cb9fad4ba7c67fa458a1787fb71da8
+regular
+
+0
+1

subir/.cache/huggingface/upload/fixed/Curso de Fundamentos de Ingeniería de Software/04-Archivos y estructuras de datos/02-Resumen.html.metadata

@@ -0,0 +1,8 @@
+1762796718.8439155
+594682
+0
+0dfabea89b9fa0b80a2dab2c1c4e358652f52b9f9755660747768ce3fe927a69
+regular
+
+0
+1

subir/.cache/huggingface/upload/fixed/Curso de Fundamentos de Ingeniería de Software/04-Archivos y estructuras de datos/03-Resumen.html.metadata

@@ -0,0 +1,8 @@
+1762796718.8440986
+596060
+0
+99d7aa9ac3b4a53a8ba5a1d0c62e3e60816726d4bd5a867961b0fdedfee960ca
+regular
+
+0
+1

subir/.cache/huggingface/upload/fixed/Curso de Fundamentos de Ingeniería de Software/04-Archivos y estructuras de datos/03-Videos contenedores codecs y protocolos.mp4.metadata

@@ -0,0 +1,8 @@
+1762797052.7692053
+264338212
+0
+fb873924e477c6a1da9d77d52ba5ed6e37a99480548e918aa657d85ea51b113a
+lfs
+
+1
+1

subir/.cache/huggingface/upload/fixed/Curso de Fundamentos de Ingeniería de Software/04-Archivos y estructuras de datos/04-Cómo Funciona un zip.mp4.metadata

@@ -0,0 +1,8 @@
+1762797052.7693577
+192800425
+0
+e2b83ffa4e9d32fd44088b03c347997005eac16bf71f4c83038a79f06d5da7ff
+lfs
+
+1
+1

subir/.cache/huggingface/upload/fixed/Curso de Fundamentos de Ingeniería de Software/04-Archivos y estructuras de datos/04-Cómo Funciona un zip.vtt.metadata

@@ -0,0 +1,8 @@
+1762796718.8443673
+13599
+0
+bf1992319359ff1aedf35b1407d4d59fd5b97f204f8df722a2561714081558df
+regular
+
+0
+1

subir/.cache/huggingface/upload/fixed/Curso de Fundamentos de Ingeniería de Software/04-Archivos y estructuras de datos/04-Resumen.html.metadata

@@ -0,0 +1,8 @@
+1762796718.8445706
+594855
+0
+f20d987ae337e8765ea055adc762d7e2fa667497c249fa5fc6ff2f618cf096c5
+regular
+
+0
+1

subir/.cache/huggingface/upload/fixed/Curso de Fundamentos de Ingeniería de Software/05-Introducción a Blockchain e Inteligencia Artificial/01-Arquitectura y funcionamiento interno de Blockchain.mp4.metadata

@@ -0,0 +1,8 @@
+1762797052.769517
+465096382
+0
+4c877255a9b173f261196c8c1ed6e5385978f415a7905bec418490e618ab752d
+lfs
+
+1
+1

subir/.cache/huggingface/upload/fixed/Curso de Fundamentos de Ingeniería de Software/05-Introducción a Blockchain e Inteligencia Artificial/01-Arquitectura y funcionamiento interno de Blockchain.vtt.metadata

@@ -0,0 +1,8 @@
+1762796718.8447561
+23916
+0
+1f5dcb1bcc70916a8d2dae5800bb6b934888dc09ca549e9cf9482cdbab6be057
+regular
+
+0
+1

subir/.cache/huggingface/upload/fixed/Curso de Fundamentos de Ingeniería de Software/05-Introducción a Blockchain e Inteligencia Artificial/01-Lecturas recomendadas.txt.metadata

@@ -0,0 +1,8 @@
+1762796718.844919
+108
+0
+9e5516f1ea15db157cfb663ae866b5f2f17a2ed5b1d4dd88205aaa4d4b4dc8c4
+regular
+
+0
+1

subir/.cache/huggingface/upload/fixed/Curso de Fundamentos de Ingeniería de Software/05-Introducción a Blockchain e Inteligencia Artificial/01-Resumen.html.metadata

@@ -0,0 +1,8 @@
+1762796718.8450778
+596692
+0
+326c88dd7c1c29150f737b397723ffd70dab9481d202a73149317c6e8f98b64f
+regular
+
+0
+1

subir/.cache/huggingface/upload/fixed/Curso de Fundamentos de Ingeniería de Software/05-Introducción a Blockchain e Inteligencia Artificial/02-Lecturas recomendadas.txt.metadata

@@ -0,0 +1,8 @@
+1762796718.8454006
+78
+0
+ecf4bd872ab4107a404f13a979226e58ec511e04bb91712e56efae684ec2760c
+regular
+
+0
+1

subir/.cache/huggingface/upload/fixed/Curso de Fundamentos de Ingeniería de Software/05-Introducción a Blockchain e Inteligencia Artificial/02-Qué es una red neuronal.mp4.metadata

@@ -0,0 +1,8 @@
+1762797052.769705
+334399745
+0
+f6cbc6dce7a5e9618632bc712446bb4a248b85cc7ffabeffccf2fc32a8609044
+lfs
+
+1
+1

subir/.cache/huggingface/upload/fixed/Curso de Fundamentos de Ingeniería de Software/05-Introducción a Blockchain e Inteligencia Artificial/02-Qué es una red neuronal.vtt.metadata

@@ -0,0 +1,8 @@
+1762796718.8452423
+19758
+0
+faf44f07696129fea918cd25e6aa377fc18bc18442e5e811012346330d9ff8fd
+regular
+
+0
+1

subir/.cache/huggingface/upload/fixed/Curso de Fundamentos de Ingeniería de Software/05-Introducción a Blockchain e Inteligencia Artificial/02-Resumen.html.metadata

@@ -0,0 +1,8 @@
+1762796718.8455565
+599921
+0
+7eb0a5914f1d396cc1ded9421420c4051c1dacbda04c9bf19d5c2d493e454a97
+regular
+
+0
+1

subir/.cache/huggingface/upload/fixed/Curso de Fundamentos de Ingeniería de Software/05-Introducción a Blockchain e Inteligencia Artificial/03-Cómo funcionan los LLMs.mp4.metadata

@@ -0,0 +1,8 @@
+1762797052.7700121
+324637685
+0
+cde6761ea6d2ca7627919bef1c23ea47922dbe2ed08614c5e6ee026420baaa84
+lfs
+
+1
+1

subir/.cache/huggingface/upload/fixed/Curso de Fundamentos de Ingeniería de Software/05-Introducción a Blockchain e Inteligencia Artificial/03-Cómo funcionan los LLMs.vtt.metadata

@@ -0,0 +1,8 @@
+1762796718.8457115
+23806
+0
+3440ab08dade686bbe22575414ffe1d8ae06be78490773a636efa48911660ea8
+regular
+
+0
+1

subir/.cache/huggingface/upload/fixed/Curso de Fundamentos de Ingeniería de Software/05-Introducción a Blockchain e Inteligencia Artificial/03-Resumen.html.metadata

@@ -0,0 +1,8 @@
+1762796718.8458638
+598279
+0
+5a3dbdeddeb69dda6adc44f0c41dbbd5cb4d28e2b133a76ba32a82cf51e201a0
+regular
+
+0
+1