Un Estudio de Text-to-SQL con Grandes : Modelo de Lenguaje

Simple item page
dc.contributor.advisorMayr Ojeda, Franz
dc.contributor.tribunalBraberman, Victor Adrian
dc.contributor.tribunalRodriguez Pedreira, Juan Andrés
dc.creatorLeon Fariña, Gonzalo Rodrigo de
dc.creatorLjubicic Román, Martín Pablo
dc.creatorOldán Motta, Joaquín
dc.date.accessioned2024-08-22T16:07:41Z
dc.date.available2024-08-22T16:07:41Z
dc.date.issued2024
dc.descriptionIncluye bibliografía y anexos.
dc.description.abstractEl presente trabajo final tiene como objetivo desarrollar un asistente basado en un Large Lenguage Model (LLM) para facilitar la comprensión de sistemas a desarrolladores ciudadanos o "citizen developers" para que puedan igualmente desenvolverse en el área; testers y analistas funcionales, mediante la generación inteligente de consultas SQL a partir de lenguaje natural. El énfasis cae en el acceso a datos, implementando técnicas como Retrieval Augmented Generation (RAG), few-shot learning, chain of though sobre modelos locales para mejorar la precisión en la generación de consultas. Una complejidad del proyecto se presenta en la gestión de una base de datos con gran número de tablas y atributos de manera completamente local. El enfoque es un estudio del estado del arte, construir un sistema que traduce requerimientos a consultas SQL, y desarrollar las mismas basado en la metadata de la base de datos. Se busca generar consultas semánticamente correctas y superar desafíos de generalización sobre la estructura de diversas bases de datos. Esta tesis se encamina en busca de una contribución al campo de Text-to-SQL, abordando desafíos prácticos en la generación automática de consultas SQL, que tiene aplicaciones prometedoras en la mejora de la colaboración y eficiencia en el desarrollo de sistemas.
dc.format.extent92 p. diagrs., grafs.
dc.format.mimetypePDF
dc.identifier.citationLeon Fariña, G. R. de, Ljubicic Román, M. P. & Oldán Motta, J. (2024). Un Estudio de Text-to-SQL con Grandes: Modelo de Lenguaje (Trabajo final) Universidad ORT Uruguay, Facultad de Ingeniería. Recuperado de https://rad.ort.edu.uy/handle/20.500.11968/7029
dc.identifier.urihttps://hdl.handle.net/20.500.11968/7029
dc.languagespa
dc.publisherUniversidad ORT Uruguay
dc.relation.otherhttps://sisbibliotecas.ort.edu.uy/bib/95819
dc.rights.levelAcceso abierto
dc.subjectPROYECTOS-MD
dc.subjectBIG DATA
dc.subjectAPRENDIZAJE AUTOMÁTICO
dc.subjectINTELIGENCIA ARTIFICIAL
dc.subjectMODELOS DE LENGUAJE GRANDE
dc.subjectSQL
dc.subjectREDES NEURONALES
dc.titleUn Estudio de Text-to-SQL con Grandes
dc.title.subtitleModelo de Lenguaje
dc.typeTrabajo final de carrera
dc.type.versionVersión publicada
ort.thesis.careerFI - Master en Big Data - MD
ort.thesis.degreegrantorFacultad de Ingeniería
ort.thesis.degreelevelMaster
ort.thesis.degreenameMaster en Big Data
ort.thesis.degreetypeTrabajo final
ort.thesis.noteTrabajo final (Master). Universidad ORT Uruguay, Facultad de Ingeniería
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Mateial completo.pdf
Size:
3.56 MB
Format:
Adobe Portable Document Format
Description:
Download
Collections
Trabajos finales de carrera de postgrado