Vías de aprendizaje para Profesionales técnicos

Dominios de los sistemas RAG

En este recorrido de aprendizaje inicial se exploran los sistemas de generación mejorada por recuperación (RAG), abarcando técnicas RAG básicas y avanzadas, integración de LlamaIndex con JavaScript, preprocesamiento de datos no estructurados, RAG mejorada con gráficos de conocimiento y aplicaciones RAG multimodales. Los estudiantes obtendrán experiencia práctica mediante las bases de datos vectoriales, la recuperación de pasajes densos, el reordenamiento de codificadores cruzados, las creación de gráficos de conocimiento mediante Neo4j y el desarrollo de aplicaciones RAG listas para la producción con marcos modernos.

Habilidades:

Diseño y optimización de sistemas RAG

Técnicas de recuperación avanzada (ampliación de consultas, reordenamiento, DPR)

Desarrollo de aplicaciones RAG mediante LlamaIndex y JavaScript

Preprocesamiento y fragmentación de datos no estructurados

Gestión de bases de datos vectoriales

Construcción y consulta de gráficos de conocimiento (Neo4j)

Desarrollo de aplicaciones RAG multimodales

Implementación completa de chatbots y aplicaciones de IA

Objetivos de aprendizaje

  1. Explicar los principios y la arquitectura de la generación mejorada por recuperación (RAG), a la vez que se diferencian las técnicas RAG básicas de las avanzadas.
  2. Implementar métodos RAG avanzados, como la ampliación de consultas, el reordenamiento de codificadores cruzados y la recuperación de pasajes densos para mejorar la recuperación de información y la generación de respuestas.
  3. Crear e implementar aplicaciones RAG mediante LlamaIndex y JavaScript, incluidos el desarrollo completo de chatbots y la integración con bases de datos vectoriales.
  4. Preprocesamiento y estructuración de datos no estructurados (PDF, HTML, PPTX, imágenes) para aplicaciones RAG y LLM mediante marcos especializados y estrategias de fragmentación.
  5. Integrar gráficos de conocimiento y datos multimodales en sistemas RAG, aprovechando herramientas como Neo4j y GPT-4 para permitir flujos de trabajo de recuperación y recomendación complejos y orientados al contexto.

Público objetivo

Este recorrido está diseñado para ingenieros de IA, científicos de datos, desarrolladores de software y profesionales técnicos que deseen dominar los sistemas RAG para su aplicación en la vida real. Es adecuado para quienes cuenten con experiencia básica en programación y deseen crear, optimizar e implementar soluciones avanzadas de IA mejoradas para la recuperación mediante herramientas y marcos de vanguardia.

Haz que la IA sea tu aliada con una vía de inicio de IA