Entrenamiento (entrenamiento de modelos)

La fase donde los parámetros del modelo se optimizan con datos o retroalimentación antes del despliegue: distinta de la inferencia en tiempo de ejecución.

El entrenamiento ajusta los pesos y otros parámetros aprendibles usando un conjunto de datos y una señal de pérdida o recompensa. A escala, esto puede tomar semanas de clústeres de GPU y una cuidadosa curación de datos: supervisión, privacidad, sesgo y documentación importan.

Después del entrenamiento, los modelos suelen ser validados, a veces ajustados finamente adicionalmente, y luego usados para inferencia.