Explorar las categorías
Explora
Fiverr Pro
Español
$
USD
Crearé un conjunto de datos personalizado de calidad AAA para el fine-tuning de tu AI LLM
Creo conjuntos de datos de grado AAA que hacen que tus modelos de IA funcionen realmente
Ingeniero de conjuntos de datos de IA - Creo datos de entrenamiento de nivel producción para el ajuste fino de LLM.
Me envías tus documentos. Los convierto en conjuntos de datos estructurados y listo...
Acerca de este Servicio
Conjuntos de datos de entrenamiento de AI personalizados diseñados para el ajuste fino, no solo volumen
¿Cansado de datos raspados de baja calidad que hacen que tu modelo hallucine? Diseño conjuntos de datos de precisión a partir de los documentos de TU dominio, creados específicamente para el ajuste fino de LLM.
️LO QUE OBTIENES
- Paquetes personalizados de preguntas y respuestas instructivas construidos a partir de TUS fuentes, no raspados
- 7 tipos de preguntas: factuales, escenarios, razonamiento, ejemplos negativos, casos límite, juego de roles, cálculo
- Lenguaje natural específico del dominio (legal, médico, financiero)
- Rastreo completo de la fuente cada pregunta y respuesta vinculada a su origen
- Cualquier formato: Alpaca JSON, ChatML, ShareGPT, JSONL, CSV, Parquet
POR QUÉ MIS CONJUNTOS DE DATOS SON DIFERENTES
La mayoría de los vendedores simplemente colocan 10,000 filas ruidosas raspadas en un CSV. Eso es basura, y produce resultados basura.
Mi proceso:
- Leo tus documentos fuente en su totalidad
- Los divido con segmentación semántica
- Genero preguntas y respuestas diversas y de múltiples tipos con parafraseo natural
- Verifico cobertura uniforme sin puntos ciegos
- Entrego con un informe de calidad (Estándar y Premium)
Industrias: Legal, Médico, Finanzas, Documentos tecnológicos, Comercio electrónico
Idiomas: Francés e inglés
Solo creo el DATASET. NO entreno ni despliego modelos.
Envía un mensaje ANTES de ordenar para discutir el alcance de tu proyecto.
Lenguaje de programación:
Python
Marcos:
Scikit-learn
•
PyTorch
•
Panda
•
Otros
API:
Otros
Herramientas:
Jupyter Notebook
•
Excel
•
Colab
•
Otros
FAQ
Traducción automática
¿Qué formatos de salida admite?
JSON (Alpaca), JSON (ChatML/Llama-3), ShareGPT, JSONL (listo para HuggingFace), CSV y Parquet. Si necesitas un formato personalizado, solo avísame.
¿Qué documentos fuente aceptas?
PDF, TXT, DOCX, Markdown y HTML. Los documentos deben ser de texto — sin imágenes escaneadas. Si tu PDF solo tiene imágenes, primero realiza OCR o pregúntame por recomendaciones.
¿Es compatible el conjunto de datos con mi modelo?
Sí. Mis conjuntos de datos son independientes del modelo y funcionan con Llama, Mistral, GPT, Gemma, Phi y cualquier modelo de peso abierto. Compatibles con Unsloth, Axolotl, HuggingFace TRL, LlamaFactory y la API de fine-tuning de OpenAI.
¿Entrenas o haces fine-tuning del modelo?
No. Solo creo el conjunto de datos. Recibes un archivo estructurado y listo para entrenar. Tú (o tu ingeniero de ML) manejas el entrenamiento y despliegue.
¿Qué idiomas admite?
Francés e inglés. También puedo crear conjuntos bilingües (mismo par de preguntas y respuestas en ambos idiomas) para entrenamiento multilingüe.
¿Cuántas pares de preguntas y respuestas puedes generar a partir de mi documento?
Aproximadamente 40-50 pares de alta calidad por cada 3-4 páginas de contenido denso. Un documento de 30 páginas suele generar entre 400 y 600 pares. La cantidad exacta depende de la densidad del contenido.
¿Qué hace que tus conjuntos de datos sean mejores que datos raspados baratos?
Mis conjuntos de datos se generan a partir de TUS documentos, no raspados de internet. Incluyen los 7 tipos de preguntas, parafraseo natural, rastreo completo de la fuente y cobertura uniforme verificada, sin puntos ciegos ni ruido.
¿Puedes manejar documentos confidenciales?
Sí. Todos los documentos se tratan como confidenciales y se eliminan después de la entrega. Puedo firmar un NDA antes de comenzar si es necesario.
¿Puedo ver una muestra antes de ordenar?
¡Sí! Envíame un mensaje y te enviaré una muestra gratuita de 10-15 pares de preguntas y respuestas de un documento público de tu dominio para que puedas evaluar la calidad.
¿Necesito proporcionar los documentos fuente?
Sí. Tú proporcionas los documentos que contienen el conocimiento que quieres que tu modelo aprenda. Yo los transformo en datos estructurados para entrenamiento. Consulta mis requisitos para formatos aceptados.
