Módulo 2 - Procesamiento de documentos
Descripción general
El procesamiento de documentos es la base de cualquier sistema RAG. Este módulo cubre cómo cargar, analizar y fragmentar documentos de diversas fuentes. Aprenderá sobre diferentes estrategias de segmentación y cómo manejar tipos de archivos complejos.
Objetivos de aprendizaje
Al finalizar este módulo, usted podrá:
- Cargar documentos desde PDFs, Word, HTML y otras fuentes
- Comprender e implementar diferentes estrategias de segmentación de texto
- Manejar documentos complejos con tablas, imágenes y datos estructurados
- Elegir el enfoque de fragmentación adecuado para su caso de uso
- Procesar documentos a gran escala
Contenido del módulo
1. Cargadores de documentos
- Cargadores de documentos de LangChain
- Lectores de LlamaIndex
- Carga desde PDFs, Word, HTML, bases de datos
2. Estrategias de segmentación de texto
- Tamaño y solapamiento de fragmentos
- Segmentación recursiva por caracteres
- Segmentación semántica
- Segmentación basada en oraciones
3. Manejo de diferentes tipos de archivos
- Desafíos de extracción en PDF
- OCR para documentos escaneados
- Tablas y datos estructurados
- Imágenes en documentos
Navegación
- Cargadores de documentos - Carga desde diversas fuentes
- Segmentación de texto - Estrategias de fragmentación
- Tipos de archivos - Manejo de documentos complejos
- Cuestionario - Módulo 2 - 30 preguntas
¡Domine el arte del procesamiento de documentos!