Anunciamos un nuevo curso de Coursera: Retrieval Augmented Generation (RAG) Aprenderá a crear sistemas RAG de alto rendimiento y listos para la producción en este curso práctico y detallado creado e impartido 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 atención al cliente, sistemas internos de preguntas y respuestas de la empresa, incluso muchos de los chatbots líderes que utilizan la búsqueda web para responder a sus preguntas. Este curso te enseña en profundidad cómo hacer que RAG funcione bien. Los LLM pueden producir respuestas genéricas u obsoletas, especialmente cuando se les hacen preguntas especializadas que no se tratan en sus datos de capacitación. El RAG es la técnica más utilizada para abordar este problema. Aporta datos de nuevas fuentes de datos, como documentos internos o noticias recientes, para dar al LLM el contexto relevante a la información privada, reciente o especializada. Esto le permite generar respuestas más aterrizadas y precisas. En este curso, aprenderá a diseñar e implementar cada parte de un sistema RAG, desde los recuperadores hasta las bases de datos vectoriales, la generación y las evaluaciones. Aprenderá sobre los principios fundamentales detrás de RAG y cómo optimizarlo tanto a nivel de componentes como de todo el sistema. A medida que la IA evoluciona, RAG también evoluciona. Los nuevos modelos pueden manejar ventanas de contexto más largas, razonar de forma más eficaz y pueden formar parte de flujos de trabajo de agentes complejos. Un área de crecimiento interesante es Agentic RAG, en el que un agente de IA en tiempo de ejecución (en lugar de estar codificado en tiempo de desarrollo) decide de forma 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 avisos - Comparar métodos de recuperación como BM25, búsqueda semántica y fusión de rangos recíprocos - Fragmente, indexe y recupere documentos utilizando una base de datos vectorial Weaviate y un conjunto de datos de noticias - Desarrollar un chatbot, utilizando LLM de código abierto alojados por Together AI, para una tienda ficticia que responde a preguntas sobre productos y preguntas frecuentes - Utilice las evaluaciones para impulsar la mejora de la confiabilidad e incorpore datos multimodales El RAG es una técnica fundamental importante. ¡Conviértete en un bueno a través de este curso! Por favor, regístrese aquí: