<aside> 🧠
Cómo usar este cuestionario
Antes de desplegar la respuesta, intenta justificar tu decisión en voz alta. No basta con nombrar el concepto: explica por qué aplica y, cuando corresponda, por qué descartarías las alternativas.
</aside>
Escenario: Una empresa quiere digitalizar su catálogo. Cuando un usuario busca "zapatillas para correr de noche", el buscador tradicional de SQL no arroja resultados porque los productos están titulados como "Calzado deportivo reflectante".
Pregunta: ¿Qué transformación conceptual debes realizar al texto de los productos para permitir búsquedas por significado semántico en una base de datos vectorial?
Escenario: Un desarrollador afirma: "Estamos usando un modelo multimodal en Amazon Bedrock, lo que significa que el modelo puede realizar 50 tareas diferentes de análisis financiero a la vez".
Pregunta: ¿Por qué la afirmación del desarrollador sobre el término "multimodal" es conceptualmente incorrecta?
Escenario: Diseñas un clasificador automático de tickets de soporte técnico que debe responder estrictamente con una de dos opciones: "URGENTE" o "NO_URGENTE". En las primeras pruebas, notas que el modelo a veces responde de forma creativa diciendo "Tal vez sea urgente" o "Parece un asunto prioritario".
Pregunta: ¿Qué parámetro de inferencia del modelo debes ajustar hacia un valor cercano a cero para que las respuestas sean más consistentes, conservadoras y predecibles?
Escenario: Un científico de datos júnior afirma que pasó tres días haciendo Prompt Engineering para "entrenar" los parámetros del modelo fundacional en Amazon Bedrock con el fin de que aprenda la jerga de la empresa.
Pregunta: Desmiente la afirmación del científico explicando qué hace realmente el Prompt Engineering sobre el modelo.