Sistemas RAG Completo
Construya Sistemas Inteligentes de Preguntas y Respuestas sobre Documentos
Código del curso: RAG-301
Duración: 10 semanas
Nivel: Intermedio a Avanzado
Instructor: inskillflow Academy
Descripción general del curso
Este curso integral le enseñará todo lo que necesita saber para construir sistemas de Generación Aumentada por Recuperación (RAG) listos para producción. Desde comprender los fundamentos hasta desplegar aplicaciones a escala empresarial, obtendrá experiencia práctica con los frameworks más recientes y las mejores prácticas.
Objetivos de aprendizaje
Al finalizar este curso, usted será capaz de:
- Comprender la arquitectura RAG y por qué resuelve las limitaciones de los LLM
- Procesar y fragmentar documentos para una recuperación óptima
- Trabajar con embeddings y bases de datos vectoriales
- Implementar estrategias avanzadas de recuperación
- Construir pipelines RAG completos con LangChain y LlamaIndex
- Evaluar y optimizar sistemas RAG
- Desplegar aplicaciones RAG listas para producción
- Desarrollar proyectos reales desde cero
Requisitos previos
- Habilidades intermedias de programación en Python
- Comprensión básica de APIs y REST
- Familiaridad con conceptos de machine learning
- Acceso a la API de OpenAI o proveedor de LLM similar
Metodología de enseñanza
70% Práctica - 30% Teoría
Cada módulo combina:
- Explicaciones conceptuales con diagramas
- Ejemplos de código completos
- Ejercicios prácticos
- Casos de estudio reales
Estructura del curso - 10 Módulos
Módulo 1 - Introducción a RAG
Duración: Semana 1
Contenido:
- ¿Qué es RAG?
- ¿Por qué RAG? Problemas con LLMs puros
- Visión general de la arquitectura RAG
- Diagramas de flujo de extremo a extremo
Objetivos:
- Comprender el paradigma RAG
- Aprender por qué la recuperación aumenta la generación
- Visualizar el pipeline RAG completo
Módulo 2 - Procesamiento de Documentos
Duración: Semana 2
Contenido:
- Cargadores de documentos (LangChain, LlamaIndex)
- Estrategias de fragmentación de texto
- Manejo de diferentes tipos de archivos
- OCR y datos estructurados
Ejercicios prácticos:
- Ejercicio 1: Cargar documentos PDF, Word, HTML
- Ejercicio 2: Implementar diferentes estrategias de fragmentación
Módulo 3 - Profundización en Embeddings
Duración: Semana 3
Contenido:
- ¿Qué son los embeddings?
- Modelos de embeddings (OpenAI, Cohere, Open Source)
- Elegir el modelo de embedding adecuado
- Benchmarks y análisis de rendimiento
Ejercicios prácticos:
- Ejercicio 1: Generar y visualizar embeddings
- Ejercicio 2: Comparar diferentes modelos de embedding
Módulo 4 - Bases de Datos Vectoriales
Duración: Semana 4
Contenido:
- Introducción a los almacenes vectoriales
- Pinecone, Weaviate, Chroma
- Milvus, Qdrant, pgvector
- Elegir la base de datos adecuada
Ejercicios prácticos:
- Ejercicio 1: Configurar múltiples bases de datos vectoriales
- Ejercicio 2: Benchmarking de rendimiento
Módulo 5 - Estrategias de Recuperación
Duración: Semana 5
Contenido:
- Búsqueda por similitud
- Búsqueda híbrida (BM25 + Semántica)
- Reordenamiento y filtrado
- Procesamiento posterior a la recuperación
Ejercicios prácticos:
- Ejercicio 1: Implementar diferentes estrategias de búsqueda
- Ejercicio 2: Construir un pipeline de reordenamiento
Módulo 6 - Construcción de Pipelines RAG
Duración: Semana 6
Contenido:
- LangChain para RAG
- Framework LlamaIndex
- Implementaciones personalizadas de RAG
- Comparación de enfoques
Ejercicios prácticos:
- Ejercicio 1: Construir un pipeline RAG completo con LangChain
- Ejercicio 2: Construir un motor de consultas con LlamaIndex
Módulo 7 - Técnicas Avanzadas de RAG
Duración: Semana 7
Contenido:
- Transformación de consultas
- Multi-Query y Fusión
- Self-Query y filtrado por metadatos
- HyDE (Hypothetical Document Embeddings)
Ejercicios prácticos:
- Ejercicio 1: Implementar transformación de consultas
- Ejercicio 2: Construir un sistema RAG multi-query
Módulo 8 - Evaluación y Optimización
Duración: Semana 8
Contenido:
- Métricas de evaluación RAG
- Framework RAGAS
- Depuración de pipelines RAG
- Optimización de rendimiento
Ejercicios prácticos:
- Ejercicio 1: Evaluar un sistema RAG con RAGAS
- Ejercicio 2: Depurar y optimizar un pipeline
Módulo 9 - Sistemas RAG en Producción
Duración: Semana 9
Contenido:
- Escalado de aplicaciones RAG
- Caché y rendimiento
- Seguridad y control de acceso
- Multi-tenencia
Ejercicios prácticos:
- Ejercicio 1: Implementar caché semántico
- Ejercicio 2: Construir un sistema multi-tenant
Módulo 10 - Proyectos Reales
Duración: Semana 10
Contenido:
- Construcción de un sistema de preguntas y respuestas sobre documentos
- Base de conocimiento empresarial
- Aplicaciones RAG multi-tenant
- Estrategias de despliegue
Proyecto final:
- Aplicación RAG completa desde cero
- Presentación y documentación
Stack Tecnológico
Frameworks
- LangChain: Chains, retrievers, LCEL
- LlamaIndex: Tipos de índices, motores de consulta
- RAGAS: Framework de evaluación
Bases de Datos Vectoriales
- Pinecone (Hosted)
- Weaviate (Open Source)
- Chroma (Desarrollo local)
- Qdrant (Producción)
- PostgreSQL + pgvector
Modelos de Embedding
- OpenAI text-embedding-3
- Cohere embed-v3
- Sentence Transformers
- Modelos BGE
Estructura de Evaluación
Cuestionarios por Módulo (40%)
- 30 preguntas por módulo
- Formato de opción múltiple
- Evalúa comprensión conceptual
Tareas Prácticas (30%)
- Tarea 1: Pipeline de procesamiento de documentos (10%)
- Tarea 2: Implementación de pipeline RAG (10%)
- Tarea 3: Sistema avanzado de recuperación (10%)
Proyecto Final (30%)
- Aplicación RAG completa (20%)
- Presentación y documentación (10%)
Total: 100%
Progreso del Curso
| Estado | Módulo | Enlace |
|---|---|---|
| ✅ Completo | Módulo 1 - Introducción a RAG | Comenzar |
| ✅ Completo | Módulo 2 - Procesamiento de Documentos | Comenzar |
| ✅ Completo | Módulo 3 - Profundización en Embeddings | Comenzar |
| ✅ Completo | Módulo 4 - Bases de Datos Vectoriales | Comenzar |
| ✅ Completo | Módulo 5 - Estrategias de Recuperación | Comenzar |
| ✅ Completo | Módulo 6 - Construcción de Pipelines RAG | Comenzar |
| ✅ Completo | Módulo 7 - Técnicas Avanzadas de RAG | Comenzar |
| ✅ Completo | Módulo 8 - Evaluación y Optimización | Comenzar |
| ✅ Completo | Módulo 9 - Sistemas RAG en Producción | Comenzar |
| ✅ Completo | Módulo 10 - Proyectos Reales | Comenzar |
🎉 ¡Curso Completo!
Todos los módulos están listos con contenido completo y cuestionarios interactivos (30 preguntas por módulo).
📖 Recursos Adicionales
| Recurso | Descripción |
|---|---|
| 📚 Glosario | Más de 100 términos de RAG e IA explicados |
| 🔗 Recursos | Herramientas, frameworks, artículos y tutoriales |
| 🎯 Examen Final | 50 preguntas integrales para evaluar su conocimiento |
¡Comience ahora!
Explore los módulos desde la barra lateral y comience su camino para dominar los sistemas RAG.
¡Le deseamos mucho éxito en su aprendizaje!
Última actualización: diciembre de 2024
📊 Estadísticas del Curso
| Ítem | Cantidad |
|---|---|
| Módulos | 10 |
| Capítulos | 30+ |
| Preguntas de cuestionario | 300 |
| Horas estimadas de aprendizaje | 40+ |