Arquitecturas RAG con LLMs: embeddings, búsqueda semántica y creación de agentes con LangChain

Contenido Detallado

1. 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. 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. 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. 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. 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. 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