🧠 Píldoras LLM #04 — ¿Qué ocurre dentro de una pipeline?

Se corresponde con el capítulo 1 del curso de Hugging Face

Antes de entrar en los ejemplos prácticos (no seas impaciente...), veamos qué sucede “bajo el capó” cuando pasamos un texto a una pipeline() de Hugging Face.

⚙️ Los tres pasos principales

• 1️⃣ Preprocesamiento: El texto se convierte en un formato numérico que el modelo puede entender.

• 2️⃣ Inferencia: El modelo procesa esa entrada y genera una predicción.

• 3️⃣ Posprocesamiento: Los resultados se traducen a un formato legible para humanos.

💡 En resumen: la pipeline automatiza toda la ruta del dato — del texto en bruto a la predicción comprensible.

🧩 Algunos tipos de pipelines disponibles

• feature-extraction → obtiene embeddings (representaciones vectoriales) de un texto; útil para búsqueda semántica o clustering.

• fill-mask → predice la palabra que falta en una frase con el token [MASK].

• ner (Named Entity Recognition) → detecta y clasifica entidades como personas, lugares u organizaciones.

• question-answering → responde preguntas extrayendo la respuesta más probable del contexto.

• sentiment-analysis → clasifica el sentimiento de un texto (positivo, negativo o neutro).

• summarization → genera un resumen breve de un texto largo.

• text-generation → genera texto automáticamente a partir de un prompt inicial.

• translation → traduce texto entre idiomas (e.g., inglés → español).

• zero-shot-classification → clasifica sin entrenamiento adicional, usando solo descripciones de etiquetas.

¡Veamos algunas de ellas!

📚 Consulta la lista completa en la documentación oficial de Hugging Face Pipelines.

🧭 Próximo paso

En las siguientes píldoras exploraremos varios de estos tipos mediante ejemplos prácticos, mostrando cómo resolver tareas reales con apenas unas líneas de código.

💻 Construiremos un cuaderno Colab, donde podrás probar y modificar los casos tú mismo. Pero sino puedes esperar, te dejo el enlace al mío:

🔗 ✨ Ver cuaderno en 🟠 Google Colab

Non scholae sed vitae discimus — aprendemos para la vida, no solo para la teoría. "(Séneca)"