# IA para Aplicaciones del Mundo Real

Universidad Galileo — Labs y tareas del curso.

## Labs

| # | Lab | Tema | Enlace |
|---|-----|------|--------|
| 1 | Selección de Modelos e Hyper-parameter Tuning | Cross-validation, comparación de arquitecturas (scikit-learn, TensorFlow, PyTorch) y tuning con Grid Search, Random Search y Optimización Bayesiana (Optuna) | [Labs/Lab1.ipynb](Labs/Lab1.ipynb) |
| 2 | Embeddings, Búsqueda Semántica y Self-Query | Embeddings con sentence-transformers, similitud coseno, PCA/t-SNE y clustering (KMeans), búsqueda kNN, pre/post-filtrado de metadata, y self-query retriever con un LLM (Qwen2.5) | [Labs/Lab2.ipynb](Labs/Lab2.ipynb) |