Construcción de sistemas RAG y agentes de IA con modelos de lenguaje grandes

La capacidad de aprovechar los modelos de lenguaje grande (LLM) con datos privados es esencial para crear aplicaciones potentes y conscientes del contexto.La generación aumentada de recuperación (RAG) es el patrón crítico para lograr esto en los entornos de producción actuales. Al final de este curso, comprenderá la arquitectura de los sistemas RAG y los flujos de trabajo multiagente, obtendrá experiencia práctica en la estructuración de datos, seleccionará las tiendas de vectores apropiadas, diseñará indicaciones efectivas e implementará estas soluciones de IA para resolver problemas comerciales específicos. Lo que aprenderás: * Comprender los componentes principales y la arquitectura de los sistemas de recuperación-aumentada generación (RAG). * Practicar técnicas de ingeniería rápidas y efectivas para optimizar las interacciones de LLM y las rutas de razonamiento de los agentes. * Aplicar las mejores prácticas para el fragmentado, incrustación e indexación de datos en una base de datos vectorial. * Configurar agentes y flujos de trabajo multi-agente utilizando herramientas especializadas de bajo código para la automatización de tareas complejas. * Implementar y ejecutar LLMs locales utilizando fundamentos de contenedorización como Docker y herramientas especializadas como Ollama. El curso comienza definiendo LLM, RAG y conceptos de agente antes de pasar a los pasos prácticos de implementación.Recorremos la preparación de datos, la integración de la tienda de vectores, la configuración de agentes y las estrategias de implementaciones fundamentales para hacer que sus soluciones sean accesibles. Este curso está diseñado para principiantes, desarrolladores y profesionales de datos que desean comenzar a construir aplicaciones de IA prácticas y conscientes del contexto.No se requiere experiencia previa con LLM o aprendizaje automático avanzado. Comience a crear sistemas de IA inteligentes y basados en datos hoy mismo.