วีดีโอ

¡Ese es el objetivo! Muchas gracias por el mensaje

¡Qué bueno! Nos vemos en los próximos vídeos.

¡Un placer!

¡A por todas!

Al principio, puede ser un poco confuso. Espero que estos vídeos te ayuden a sacarle el máximo partido a la plataforma.

¡Qué bueno! Cualquier pregunta no dudes en compartirla en los comentarios

Una gran herramienta, espero que los vídeos te ayuden a sacarle el máximo beneficio

Gracias 🎉💃

¡Gracias! 🎉

¡Un placer!

No tienes más opción que usar una base de datos externa si quieres que los datos se guarden de manera persistente. Si usas la memoria temporal de Python, los datos solo estarán disponibles mientras la 'sesión' esté activa. Cada vez que reinicies el programa, tendrás que volver a cargar los documentos, lo cual puede llevar mucho tiempo si son muchos. Si estás en fase de desarrollo y solo necesitas hacer pruebas rápidas, cargar los documentos en memoria temporal puede ser útil porque te permite iterar más rápido. Sin embargo, en una aplicación real necesitas una base de datos externa para guardar todos los documentos de forma persistente y asegurarte de que los datos estén siempre disponibles, incluso si reinicias el programa. Espero que la explicación te ayude y cualquier pregunta no dudes en compartirla.

¡Muchas gracias!

El costo por hora se aplica mientras el endpoint de Hugging Face esté activo, independientemente de si se realizan solicitudes o no. Esto significa que, aunque no haya uso, se te cobrará por el tiempo que el servicio esté en funcionamiento. Para evitar cargos innecesarios, es recomendable detener o eliminar el endpoint cuando no lo estés utilizando. De todos modos te aconsejo consultar la documentación oficial para obtener más detalles sobre la facturación y gestión de endpoints: discuss.huggingface.co/t/pricing-for-huggingface-endpoint/53456/4

Cuando la tarifa de costo dice /hour quiere decir que te cobrarán desde que lo despliegues, es decir si lo tienes 24 horas sin utilizarlo igual lo vas a tener que pagar. Sigue el concepto de los EC2 de AWS

¡Que bien, espero que puedes desarollar proyectos muy interesantes! Puedes escribirme por LinkedIn: www.linkedin.com/in/daniel-benzaquen-moreno/

¡Un placer!

¡Gracias por el feedback!

Funciona de manera similar a como lo harías con texto. En lugar de utilizar un modelo que convierte texto a vectores/embeddings, necesitas uno que procese audio y lo transforme en vectores/embeddings. Un buen ejemplo es el modelo facebook/wav2vec2-base, que puedes encontrar en Hugging Face. Este modelo convierte grabaciones de voz en vectores/embeddings, lo que permite trabajar con el audio de la misma manera que vemos en el vídeo.

¡Qué chimba colombia! Qué bueno saber que mis vídeos llegan a una tierra tan hermosa y con un café tan delicioso. Espero que aprendas muchos con los vídeos y no dudes en compartir cualquier pregunta que tengas en el canal.

¡Un placer!

Qué bueno que te hayan pedido una demo similar, me alegra saber que los videos te han sido útiles. Y si algún día te conviertes en el jefe, ¡no te olvides de invitarme a la celebración! 💃 Mucho éxito con la demo y no dudes en preguntar por los comentarios si necesitas algo más.

@@NechuBM por supuesto que sí :) ijji un grande aprendí demasiado

Como indica el error, es necesario pasar un argumento a get_dummies(), en este caso, el dataframe con el que estés trabajando. Puedes ver en los ejemplos anteriores cómo se hace.

¡Me alegra que te esté gustando! 😄 A veces tratar todo como una caja negra es parte del proceso cuando recién comienzas, pero lo importante es que sigas experimentando. No te preocupes si ahora TensorFlow, Python o ML parecen complicados, ¡poco a poco todo va cobrando sentido! Estoy seguro de que lo que salga será genial, y si necesitas alguna ayuda en el camino, aquí estoy.

@@NechuBM Muchas gracias Nechu!

¿Te refieres a la presentación? Comparto el código y los ejemplos que vemos en las clases, pero no las presentaciones

Nada!! :)

Un placer, me alegro que te haya sido útil :)

El precio por hora se cobra por el tiempo en que la máquina virtual está 'encendida' y reservada para nosotros. Esto significa que, independientemente de si utilizamos la máquina al 99% o al 1% de su capacidad, el costo se basa en el tiempo que la máquina está asignada y disponible. Más información sobre los precios: huggingface.co/pricing#endpoints Por lo tanto, es importante gestionar bien el uso y apagar la máquina para evitar cargos innecesarios. Si estas en un entorno empresarial donde necesitas un mecanismo de autoescalado puedes comprobar la siguiente opción: huggingface.co/docs/inference-endpoints/en/autoscaling

@@NechuBM Gracias, me ha quedado clara la información. ;)

🎉 !Gracias! 🎊

Cuando hablo de privacidad, me refiero a que, al descargar un modelo de Hugging Face y alojarlo en nuestro propio entorno, como nuestro ordenador o servidor, no compartimos datos con terceros. Esto nos da un control total sobre nuestra privacidad y seguridad de datos. En cambio, cuando utilizamos un servicio de terceros como OpenAI, nuestros datos pasan por sus servidores, lo que implica confiar en sus políticas y prácticas de privacidad. Espero que esto aclare un poco más la diferencia. ¡Gracias por tu interés!

¡Un placer! Me alegro que te haya sido útil y hayas aprendido con el vídeo.

¡Un placer! Que bueno saber que te fue útil

¡Gracias por tu comentario! ¿Te refieres a guardar un historial de preguntas y respuestas para poder revisarlas más tarde, o te gustaría tener la capacidad de continuar una conversación de manera dinámica, construyendo a partir de respuestas anteriores sin tener que repetir el contexto cada vez? Ambas opciones son posibles, pero funcionan de maneras diferentes.

¡Un placer! Nos vemos en los próximos vídeos

Para usar modelos de Hugging Face con LangChain, no necesitas preocuparte demasiado por los archivos que necesitas descargar, la librería se encarga automáticamente de gestionar todo. Aun así, si deseas ver cuáles archivos se descargan en tu ordenador, puedes revisar la carpeta de caché donde se almacenan. Aquí tienes un enlace con información detallada sobre la ubicación de cache de HuggingFace en tu ordenador: huggingface.co/docs/transformers/main/en/installation#cache-setup

@@NechuBM Muchas gracias

¡Muchas gracias! Me alegra saber que la explicación te haya aclarado las dudas y en poco tiempo

Por supuesto, mándame un mensaje por LinkedIn y ahí vemos las opciones: www.linkedin.com/in/daniel-benzaquen-moreno/