Módulo 13 · Aplicaciones con LLMs
RAG y búsqueda semántica
Haz que un LLM responda con tus documentos: embeddings, chunking, búsqueda híbrida, reranking y evaluación.
Qué vas a aprender
- Buscadores: recuperación de información · Práctica · ~75 min
- Embeddings: el significado en forma de vector · Práctica · ~75 min
- Elegir un modelo de embeddings · Teoría · ~60 min
- Trocear documentos (chunking) · Práctica · ~60 min
- Tu primer sistema RAG · Práctica · ~90 min
- RAG avanzado: búsqueda híbrida y reranking · Práctica · ~90 min
- Taller RAG 1 · Comparar estrategias de chunking · Práctica · ~90 min
- Taller RAG 2 · Búsqueda híbrida BM25 + vectores · Práctica · ~90 min
- Taller RAG 3 · Reranking con cross-encoder · Práctica · ~90 min
- Taller RAG 4 · Reescribir consultas (HyDE) · Práctica · ~90 min
- Taller RAG 5 · Medir la calidad del RAG · Práctica · ~90 min
- Taller RAG 6 · El sistema completo · Práctica · ~90 min
Cómo se aprende aquí: cada lección termina con una práctica interactiva que se corrige sola, y los ejemplos de Python se ejecutan en tu navegador.