Prepararia: recetas personalizadas generadas por Inteligencia Artificial

Abstract

El presente trabajo se centra en el desarrollo de un sistema de recomendación de recetas basado en el modelo de lenguaje preentrenado Mistral 7B, ajustado con un conjunto de datos de recetas. El sistema contempla dos escenarios principales: el primero sugiere recetas en función de los ingredientes disponibles, mientras que el segundo proporciona recetas según las preferencias alimentarias, el tipo de platillo y el nivel de dificultad deseado para la preparación. Para optimizar los recursos disponibles, se emplearon técnicas de ajuste eficiente de parámetros, particularmente QLoRA (Quantized Low-Rank Adaptation). Esta técnica permite adaptar modelos de gran escala como el Mistral 7B a tareas específicas sin necesidad de reentrenar completamente el modelo, reduciendo el costo computacional asociado. El sistema resultante, ofrece una interfaz sencilla para que los usuarios interactúen con el modelo en ambos escenarios propuestos. Su evaluación incluye métricas cuantitativas como ROUGE y análisis cualitativos basados en la percepción de los usuarios.