curso de_
Arquitecturas RAG con LLMs: embeddings, búsqueda semántica y creación de agentes con LangChain
Es parte de los cursos de IA para Datos en Inteligencia Artificial.
Discusiones sobre este curso
Resumen del curso
- Explora los fundamentos de los Large Language Models y comprende el papel de la arquitectura Transformer en sistemas generativos.
- Analiza el problema de las alucinaciones en LLMs y evalúa estrategias para la integración de conocimiento externo.
- Compara enfoques de personalización de LLMs, como fine-tuning y Retrieval-Augmented Generation.
- Transforma textos y documentos en embeddings para viabilizar búsquedas basadas en similitud semántica.
- Aplica métricas de similitud, como la similitud de coseno, para la recuperación de información por significado.
- Procesa documentos extensos utilizando técnicas de chunking, overlapping y uso de metadatos.
- Implementa pipelines de RAG para la recuperación y generación de respuestas a partir de documentos estructurados y no estructurados.
- Utiliza vector stores como FAISS y ChromaDB para el almacenamiento e indexación eficiente de embeddings.
- Construye agentes conversacionales basados en RAG con el uso de LangChain.
- Integra técnicas de re-rank para mejorar la relevancia de las respuestas recuperadas.
Público Objetivo
Este curso está dirigido a profesionales y entusiastas del área de tecnología que desean explorar y aplicar Large Language Models y técnicas de Retrieval-Augmented Generation en sistemas de procesamiento de lenguaje natural. Al finalizar el curso, será posible implementar estrategias de fine-tuning, transformar datos en embeddings y montar pipelines con frameworks modernos, mejorando la calidad de las respuestas y la personalización de los modelos.
Contenido relacionado
Cursos de IA para Datos en Inteligencia Artificial. Lea nuestros artículos de Inteligencia Artificial.
Última actualización
4/24/2026
¿Ya eres alumno?
8h
p/ conclusión
51
Actividades
165
Minutos de video
11
Alumnos en este curso
0
Nota del curso
Certificado de participación
Instructores
Contenido Detallado
1. Fundamentos de LLMs e motivación para RAG
- Introducción
- Conceptos básicos de LLM
- Para saber más: predicción de la próxima palabra en LLMs
- Personalizando paquetes de viaje en Jornada Viajes
- Fine tunning vs RAG
- Integrando documentos internos en IMPULSATECH con RAG
- Haz como yo hice: LLMs y RAG
- Repositorio de proyectos del curso
- Materiales extras
- ¿Qué aprendimos?
2. Arquitectura RAG e construcción de un Agente Inteligente
- Arquitectura General del RAG
- Mejorando el soporte al usuario en ADOPET
- Prompt Tradicional vs Prompt con RAG
- Para saber más: pipeline de acciones en RAG
- Implementando RAG para atención al cliente en Bytebank
- Primer proyecto - Agente de fútbol
- Hazlo como yo lo hice: pipeline de RAG
- ¿Qué aprendimos?
3. Embeddings y Similaridad Semántica
- ¿Qué son las embeddings?
- Mejorando la atención al cliente en Serenatto con embeddings
- Metricas de similaridad
- Para saber más: distancia euclidiana en embeddings
- Embeddings Open Source vs Propietarios
- Mejorando la seguridad en HomeHub con búsqueda semántica
- Hazlo como yo lo hice: implementar embeddings
- ¿Qué aprendimos?
4. Procesamiento de Documentos y Chunking
- Chunking es esencial
- Estrategias de Chunking
- Optimización de búsqueda musical con chunks
- ¿Qué son los metadatos?
- Mejorando la gestión de productos en Gatito Petshop con metadatos
- Para saber más: divisor de texto recursivo en la práctica
- Segundo proyecto. Agente farmacéutico
- Hazlo como yo lo hice: pipeline de RAG
- ¿Qué aprendimos?
5. Almacenamiento vectorial e indexación
- ¿Qué es un Vector Store?
- Implementando búsqueda semántica en SwiftBank
- Tipos de Vector Store
- Para saber más: índice vectorial y algoritmos de búsqueda
- Facilitando la búsqueda de animales en ADOPET con FAISS
- Hazlo como yo lo hice: montar una VectorStore
- ¿Qué aprendimos?
6. LangChain y Pipeline RAG Completo
- Recuperación Avanzada - ReRanking
- Implementando RAG para optimizar listas de compras
- Tercer proyecto: Agente de RRHH
- Para saber más: modularización de la pipeline rag
- Mejorando la búsqueda de productos en Petpark
- Caminos de Evolución del RAG
- Hazlo como yo lo hice: pipeline de RAG
- ¿Qué aprendimos?
- Conclusión
Acceso a todos los cursos
Estudiar las 24 horas, dónde y cuándo quieras
Nuevos cursos cada semana
