techmind-pro-v9-merged

TechMind Pro v9 ULTIMATE

🚀 Asistente IA especializado en Redes Cisco y Packet Tracer

📊 Métricas

• Accuracy: 93% verificada
• Dataset: 1,191 ejemplos únicos
• Base Model: Mistral-7B-Instruct-v0.3
• Fine-tuning: LoRA (r=64, alpha=128)

🎯 Características

• ✅ Configuraciones Cisco paso a paso
• ✅ Troubleshooting guiado
• ✅ Integración Packet Tracer
• ✅ Soporte OSPF, BGP, VLANs, ACLs, etc.
• ✅ Respuestas en español e inglés

💻 Uso

from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel
import torch

# Cargar modelo base
base_model = "mistralai/Mistral-7B-Instruct-v0.3"
tokenizer = AutoTokenizer.from_pretrained(base_model)
model = AutoModelForCausalLM.from_pretrained(
    base_model,
    load_in_8bit=True,
    device_map="auto"
)

# Cargar LoRA
model = PeftModel.from_pretrained(model, "Delta0723/techmind-pro-v9")

# Inferencia
prompt = "<s>[INST] ¿Cómo configuro IP 192.168.1.1 en GigabitEthernet0/0? [/INST]"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=500)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

🌐 Demo Online

• Landing: https://techmind-landing.vercel.app
• GitHub: https://github.com/Moreno360/techmind-landing

📚 Casos de Uso

1. Estudiantes CCNA/CCNP: Generación rápida de configuraciones
2. Profesores: Material de ejemplo para clases
3. Profesionales: Troubleshooting rápido
4. Packet Tracer: Guías paso a paso

🎓 Entrenamiento

• Método: LoRA (Low-Rank Adaptation)
• Hardware: RunPod RTX A6000
• Duración: ~6 horas
• Framework: HuggingFace Transformers + PEFT

📝 Licencia

MIT License - Uso libre

👤 Autor

Creado por Delta0723

🔗 Links

• Demo Web
• GitHub Repo
• Documentación