Ingeniería Electrónica · 2024
Diseño e implementación de un bot de charla basado en GPT para la acreditación internacional de los programas de pregrado de la E3T
La Escuela de Ingeniería Eléctrica, Electrónica y de Telecomunicaciones (E3T) requiere elevar el nivel de madurez del modelo de calidad de sus programas de formación de pregrado en un plazo de 5 años y demostrar que los programas viven un proceso de mejoramiento continuo, para mantener su acreditación internacional ABET. Sin embargo, los actores del proceso de mejoramiento continuo tienen dificultades para acceder a información actualizada sobre el proceso que vive la E3T, lo que obstaculiza su contribución al proceso de mejora. La causa del problema radica en que la información disponible es cambiante, lo que dificulta la actualización de la información en la página web de la E3T. El proyecto se centró en el desarrollo de un bot de charla basado en GPT para la Escuela de Ingeniería Eléctrica, Electrónica y de Telecomunicaciones (E3T), con énfasis en la integración de información actualizada, mecanismos de retroalimentación y una interfaz de usuario intuitiva. La innovación radicó en la utilización de tecnología de procesamiento del lenguaje natural para proporcionar respuestas precisas a preguntas en constante cambio sobre el proceso de mejora continua de la E3T. Este enfoque no solo abordó desafíos de acceso a información actualizada, sino que también sentó las bases para futuros avances en la integración de inteligencia artificial en el ámbito educativo y organizacional.
Texto completo 60 páginas con texto
Leer la tesis completa Ficha en el repositorio
Contenido
- Introducciónp. 15
- 1.Marco Teóricop. 18
- 1.1 Procesamiento del Lenguaje Natural (NLP)p. 18
- 1.1.1 Comprensión del Lenguajep. 19
- 1.1.2 Procesamiento de Textop. 19
- 1.1.3 Generación de Lenguajep. 19
- 1.2 Fundamentos de NLPp. 20
- 1.2.1 Tokenizaciónp. 20
- 1.2.2 Procesamiento Morfológicop. 21
- 1.2.3 Análisis Sintácticop. 21
- 1.2.4 Análisis Semánticop. 21
- 1.2.5 Modelado de Idiomap. 21
- 1.2.6 Análisis de Sentimientop. 21
- 1.2.7 Modelos de Lenguaje Preentrenadosp. 22
- 1.2.8 Aprendizaje Profundop. 22
- 1.2.9 Evaluación de Modelosp. 22
- 1.2.10 Diversidad de Idiomasp. 22
- 1.3 Aplicaciones de NLP en la Actualidadp. 22
- 1.4 API GPT de OpenAIp. 23
- 1.4.1 Capacidades de GPTp. 24
- 1.4.1.1 Representación de Palabras como Vectoresp. 24
- 1.4.1.2 Generación de Textop. 24
- 1.5 Langchainp. 24
- 1.5.1 Cadenasp. 25
- 1.5.2 Agentesp. 25
- 1.6.1 Consulta de Similitudp. 25
- 1.6.2 Recuperación de Resultadosp. 26
- 1.6.3 Generación de la respuestap. 28
- 1.6.3.1 Tokenizaciónp. 20
- 1.6.3.2 Embedding de tokensp. 29
- 1.6.3.3 Atención múltiplep. 29
- 1.6.3.4 Generación autoregresivap. 29
- 1.6.3.5 Sampling o Greedy Decodingp. 29
- 1.6.3.6 Iteraciónp. 30
- 2. Desarrollo de la soluciónp. 31
- 2.1 Necesidades de Usuariop. 31
- 2.2 Solución Generalp. 34
- 2.3 Solución Particularp. 35
- 2.4 Selección de plataformasp. 36
- 2.4.1 Selección del modelo de Open AIp. 37
- 2.4.2 Selección de base de datos vectorialp. 37
- 2.4.3 Selección de Proveedor de servicios de computación en la nubep. 38
- 2.5 Procuracion de la Documentaciónp. 41
- 2.6 Generación de Base de datos vectorialp. 42
- 2.7 Interpretación de Preguntas y Generación de Respuestasp. 45
- 3. Validación de la soluciónp. 49
- 4. Conclusionesp. 54
- 5. Recomendacionesp. 55
- Referencias Bibliográficasp. 56
- Apéndicesp. 60
- Tabla 1.Extracto de la Hoja de Cálculo de Validaciónp. 50
- Figura 1.Ejemplo de Tokenizaciónp. 20
- Figura 2.Diferentes métricas de similitudp. 26
- Figura 3.Muestra los 3 vectores vecinos más cercanosp. 28
- Figura 4.Diagrama del la solución particularp. 35
- del servicio web ………………………………………………………………………………72