Anunciando un nuevo curso de Coursera: Generación Aumentada por Recuperación (RAG) Aprenderás a construir sistemas RAG de alto rendimiento y listos para producción en este curso práctico y profundo creado y enseñado por @ZainHasan6, ingeniero, investigador y educador experimentado en IA y ML. RAG es un componente crítico hoy en día de muchas aplicaciones basadas en LLM en soporte al cliente, sistemas de preguntas y respuestas internas de la empresa, e incluso muchos de los principales chatbots que utilizan búsqueda en la web para responder tus preguntas. Este curso te enseña en profundidad cómo hacer que RAG funcione bien. Los LLM pueden producir respuestas genéricas o desactualizadas, especialmente cuando se les hacen preguntas especializadas que no están cubiertas en sus datos de entrenamiento. RAG es la técnica más utilizada para abordar esto. Trae datos de nuevas fuentes de datos, como documentos internos o noticias recientes, para darle al LLM el contexto relevante para información privada, reciente o especializada. Esto le permite generar respuestas más fundamentadas y precisas. En este curso, aprenderás a diseñar e implementar cada parte de un sistema RAG, desde recuperadores hasta bases de datos vectoriales, generación y evaluaciones. Aprenderás sobre los principios fundamentales detrás de RAG y cómo optimizarlo tanto a nivel de componente como a nivel de sistema completo. A medida que la IA evoluciona, RAG también está evolucionando. Nuevos modelos pueden manejar ventanas de contexto más largas, razonar de manera más efectiva y pueden ser parte de flujos de trabajo agenticos complejos. Una área de crecimiento emocionante es RAG Agentico, en la que un agente de IA en tiempo de ejecución (en lugar de estar codificado en el tiempo de desarrollo) decide de manera autónoma qué datos recuperar y cuándo/cómo profundizar. Incluso con esta evolución, el acceso a datos de alta calidad en tiempo de ejecución es esencial, por lo que RAG es una parte clave de tantas aplicaciones. Aprenderás a través de experiencias prácticas a: - Construir un sistema RAG con recuperación y aumento de indicaciones - Comparar métodos de recuperación como BM25, búsqueda semántica y Fusión de Rango Recíproco - Dividir, indexar y recuperar documentos utilizando una base de datos vectorial Weaviate y un conjunto de datos de noticias - Desarrollar un chatbot, utilizando LLMs de código abierto alojados por Together AI, para una tienda ficticia que responde preguntas sobre productos y preguntas frecuentes - Usar evaluaciones para impulsar la mejora de la fiabilidad e incorporar datos multimodales RAG es una técnica fundamental importante. ¡Conviértete en un experto en ella a través de este curso! Por favor, inscríbete aquí: