Explorar las categorías
Explora
Fiverr Pro
Español
$
USD
Prepararé tu conjunto de datos para ajuste fino de llm o ingestión de rag
Solucionar la causa, no el síntoma
Soy un desarrollador Full Stack especializado en IA, automatización y aplicaciones web modernas. Creo asistentes de IA, integraciones con LLM, sistemas RAG, plataformas SaaS, aplicaciones React/Next.j...
Acerca de este Servicio
Limpio y preparo tu conjunto de datos para ajuste fino de LLM o ingestión de RAG exportado en el formato que tu entrenador espera (JSONL / Parquet / HuggingFace / OpenAI / Axolotl / LLaMA-Factory).
Lo que obtienes:
Valores faltantes gestionados, deduplicación (exacta + fuzzy), tratamiento de valores atípicos
Auditoría de etiquetas + divisiones estratificadas de train/val/test
Limpieza de texto: eliminación de HTML, normalización Unicode, detección de idioma
Exportación en formato para HuggingFace Datasets, OpenAI JSONL, Axolotl o LLaMA-Factory
Informe de validación de datos (Great Expectations)
Pila de tecnologías: Pandas, NumPy, Polars, LangChain, LlamaIndex, HuggingFace Datasets.
Tamaño del conjunto de datos: 50K filas (Básico) / 500K filas (Estándar) / 5M filas (Premium). Inclusión de RAG chunking + exportación de embeddings en la versión Premium.
Envíame un mensaje con una oración sobre tu caso de uso y te responderé en 2 horas con una cotización fija.
Lenguaje de programación:
Python
Marcos y herramientas de modelos de IA:
Tipo de datos:
Texto
Motor de IA:
GPT
•
Llama
•
Otros
FAQ
Traducción automática
¿Qué formatos de conjunto de datos aceptas?
CSV, TSV, Excel, JSON, JSONL, Parquet y cualquier formato compatible con HuggingFace Datasets. También acepto texto scrapeado de PDFs, exportaciones de Notion, páginas de Confluence, hilos de Slack y transcripciones de soporte al cliente.
¿Puedes manejar el chunking específico de RAG?
Sí, en la versión Premium realizo chunking consciente de tokens o semántico y exporto embeddings en un esquema listo para vector-store para Pinecone, Weaviate o Qdrant, con metadatos preservados para filtrado en la consulta.
¿Soportas modelos de código abierto como Llama 3 o Mistral?
Sí, formateo las salidas para que coincidan con la plantilla de chat de HuggingFace, Axolotl o configuraciones de LLaMA-Factory. Se preserva la estructura de conversación multi-turno. Configuraciones de LLM local (unsloth, PEFT, QLoRA) disponibles bajo solicitud.
¿Puedes eliminar PII o datos sensibles de mi conjunto de datos?
La limpieza de PII (expresiones regulares + spaCy NER) está disponible bajo solicitud — no sustituye tu revisión de cumplimiento propia. NDA firmado disponible antes de cualquier transferencia de datos.
