Deepseek🐳

👥 Integrantes:

👤 Andrea Parra
👤 Juan Calderón

📑 Material de apoyo:

📊 Diapositivas: DeepSeek
📜 Papers: DeepSeek-R1| DeepSeek-V3 | DeepSeekMath
💻 Código externo: Repositorio de código

🎯 Objetivos

📢 Como objetivos de la presente sesión, se plantean:
✅ Abordar el funcionamiento de DeepSeek y el por qué de su éxito.
✅ Comprender DeepSeek-R1 como el producto de trabajos y aportes anteriores(DeepSeek-V3, DeepSeekMath)
✅ Comprender sus fuertes frente a otros modelos

📊 Resultados Esperados

📍 Se espera que al final de esta sesión se:

🔹 Tengan conocimientos claros sobre DeepSeek-R1
🔹 Entienda todos los métodos que hacen a DeepSeek tan eficiente computacionalmente (GRPO, MLHA, PTX).
🔹 Recopilará información relevante para futuras implementaciones.

⚙️ Metodología

📖 Aquí se explicarán todos los temas tratados en la sesión con mayor detalle. Esta sección se completará después de la sesión e incluirá:

📌 Explicaciones detalladas del proceso.
📌 Análisis de los conceptos presentados.
📌 Ejemplos prácticos y fragmentos de código.

💡 Ejemplo de código en Python:

import cv2
import matplotlib.pyplot as plt

imagen = cv2.imread(".images/ejemplo.png")
plt.imshow(cv2.cvtColor(imagen, cv2.COLOR_BGR2RGB))
plt.show()

🖼️ Ejemplo de imagen adjunta:

📌 También puedes ajustar el tamaño y alineación de las imágenes:

📊 Ejemplo de tabla:

📌 A	📌 B	📌 C
✔️ Uno	Texto de prueba	🔍

📚 Referencias

📖 Esta sección recopila enlaces a recursos relevantes sobre procesamiento de imágenes:

🔹 🎞️ Video breve explicativo sobre DeepSeek R1 y V3
🔹 📄 Artículo explicando GRPO