Recorrido interactivo por las siete etapas de construcción de un modelo de lenguaje —tokenización BPE, atención, preentrenamiento, ajuste a instrucciones, refuerzo e inferencia— con un Transformer que se entrena de verdad en JavaScript dentro de la propia página, sin instalar nada. Material didáctico construido sobre el proyecto MiniMind. Interactive walkthrough of the seven stages of building a language model —BPE tokenisation, attention, pretraining, instruction tuning, reinforcement learning and inference— with a Transformer that actually trains in JavaScript inside the page, with nothing to install. Teaching material built on the MiniMind project. Aplicación web de un solo fichero (HTML/JS, sin backend); funciona íntegramente en el navegador y la API key del usuario se almacena localmente. Parte del catálogo Herramientas IA para la academia (Universidad Miguel Hernández de Elche). App: https://fborrasumh.github.io/fabricamodelos/
Fernando Borrás· Zenodo (CERN European Organi...· 0 citations
Recorrido interactivo por las siete etapas de construcción de un modelo de lenguaje —tokenización BPE, atención, preentrenamiento, ajuste a instrucciones, refuerzo e inferencia— con un Transformer que se entrena de verdad en JavaScript dentro de la propia página, sin instalar nada. Material didáctico construido sobre el proyecto MiniMind. Interactive walkthrough of the seven stages of building a language model —BPE tokenisation, attention, pretraining, instruction tuning, reinforcement learning and inference— with a Transformer that actually trains in JavaScript inside the page, with nothing to install. Teaching material built on the MiniMind project. Aplicación web de un solo fichero (HTML/JS, sin backend); funciona íntegramente en el navegador y la API key del usuario se almacena localmente. Parte del catálogo Herramientas IA para la academia (Universidad Miguel Hernández de Elche). App: https://fborrasumh.github.io/fabricamodelos/
Fernando Borrás· Zenodo (CERN European Organi...· 0 citations
Taller de práctica sobre los bloques matemáticos que sostienen los modelos de biología computacional: atención, geometría de proteínas, difusión, modelos de secuencia y genómica. El estudiante implementa cada operación en PyTorch puro, un modelo de lenguaje revisa formas, valores, gradientes y estabilidad numérica, y un planificador de repaso espaciado FSRS decide cuándo conviene volver a cada reto. A practice workspace for the mathematical building blocks of computational biology models: attention, protein geometry, diffusion, sequence models and genomics. Students implement each operation in raw PyTorch, a language model reviews shapes, values, gradients and numerical stability, and an FSRS spaced-repetition scheduler decides when to return to each problem. Aplicación web de un solo fichero (HTML/JS, sin backend); funciona íntegramente en el navegador y la API key del usuario se almacena localmente. Parte del catálogo Herramientas IA para la academia (Universidad Miguel Hernández de Elche). App: https://fborrasumh.github.io/biotensor/
Fernando Borrás· Zenodo (CERN European Organi...· 0 citations
We use cookies to run the site and, with your consent, for analytics and to show ads.
See our Cookie Policy.