Saltar al contenido principal

Módulo 3 - Profundización en Embeddings

Descripción general​

Los embeddings son el núcleo de la búsqueda semántica en RAG. Este módulo explora qué son los embeddings, cómo funcionan y cómo elegir el modelo de embedding adecuado para su caso de uso.

Objetivos de aprendizaje​

Al finalizar este módulo, usted podrá:

  • Comprender qué son los embeddings y cómo representan el significado
  • Comparar diferentes modelos de embedding (OpenAI, Cohere, Open Source)
  • Utilizar los benchmarks MTEB para evaluar modelos
  • Elegir el modelo adecuado según costo, rendimiento y requisitos

Contenido del módulo​

1. ¿Qué son los embeddings?​

  • Representaciones vectoriales de texto
  • Significado semántico en el espacio vectorial
  • Métricas de similitud (coseno, euclidiana)
  • Dimensiones de embedding

2. Modelos de embedding​

  • OpenAI (text-embedding-3-small/large)
  • Cohere embed-v3
  • Sentence Transformers
  • Modelos BGE

3. Elección del modelo adecuado​

  • Benchmarks MTEB
  • Soporte de idiomas
  • Análisis de costos
  • Consideraciones de latencia
  1. ¿Qué son los embeddings? - Comprendiendo los vectores
  2. Modelos de embedding - Opciones disponibles
  3. Elección de modelos - Marco de decisión
  4. Quiz - Módulo 3 - 30 preguntas

¡Domine la base de la búsqueda semántica!