course/pr_1213/es/chapter10/1.md

# Introducción a Argilla[[introduction-to-argilla]]

En el Capítulo 5 aprendiste a construir un dataset con la librería 🤗 Datasets y en el Capítulo 6 exploraste cómo ajustar modelos para algunas tareas comunes de PLN. En este capítulo aprenderás a usar [Argilla](https://argilla.io) para **anotar y curar datasets** que podrás usar para entrenar y evaluar tus modelos.

La clave para entrenar modelos que rindan bien es disponer de datos de alta calidad. Aunque en el Hub hay buenos datasets que podrías usar para entrenar y evaluar tus modelos, puede que no sean relevantes para tu aplicación o caso de uso concreto. En ese escenario, quizá quieras construir y curar tu propio dataset. Argilla te ayudará a hacerlo de forma eficiente.

Con Argilla puedes:

- convertir datos no estructurados en **datos estructurados** para usarlos en tareas de PLN.
- curar un dataset para pasar de un dataset de baja calidad a un **dataset de alta calidad**.
- recopilar **feedback humano** para LLMs y modelos multimodales.
- invitar a expertos para que colaboren contigo en Argilla, o incluso externalizar anotaciones.

Estas son algunas de las cosas que aprenderás en este capítulo:

- Cómo configurar tu propia instancia de Argilla.
- Cómo cargar un dataset y configurarlo según algunas tareas populares de PLN.
- Cómo usar la interfaz de Argilla para anotar tu dataset.
- Cómo usar tu dataset curado y exportarlo al Hub.