RAG & EmbeddingsIntermedio

RAG y Embeddings

Bases de datos vectoriales, recuperación aumentada (RAG) y búsqueda semántica para dar contexto a los LLMs.

Progreso0/2

lecciones 1¿Qué es RAG?
lecciones 2Búsqueda semántica (simulado)

Proyecto final

Sistema RAG sobre tus propios documentos

Construye un sistema de recuperación aumentada sobre un conjunto de documentos que elijas (tus apuntes, un manual, artículos) para responder preguntas con contexto.

Qué debes entregar

Documentos propios divididos en chunks apropiados
Embeddings generados y almacenados en una base vectorial
Búsqueda semántica funcionando sobre esos documentos
Al menos 5 preguntas respondidas usando el contexto recuperado
Análisis de casos donde la recuperación falló y por qué

Sube el código y los documentos de ejemplo a un repositorio de GitHub.

Se desbloquea al terminar todas las lecciones del curso