Introducción a LangChain

1

Creación de un sistema de preguntas y respuestas con LangChain

2

Estructura y Uso de Langchain en Python

3

Carga de Modelos Open Source con Lanchain y Hugging Face

4

Uso de Modelos OpenAI con LangChain: Guía Práctica para Principiantes

5

Creación de Prompts Dinámicos con LangChain

6

Uso de Cadenas en Modelos de Lenguaje con Language Chain

7

Procesamiento de PDFs y creación de resúmenes con LangChain

8

Creación de Cadenas de Preguntas y Respuestas con Modelos de Lenguaje

9

Creación de cadenas secuenciales en Python para procesamiento de texto

Quiz: Introducción a LangChain

Casos de uso de LangChain

10

Aplicaciones y Beneficios de Lancheng en el Manejo de LLMs

11

Implementación de Lanchain y LLMs: Costos, Privacidad y Buenas Prácticas

Quiz: Casos de uso de LangChain

Manejo de documentos con índices

12

Carga de Documentos en Langchain para Creación de Índices

13

Fundamentos de la Clase Document en Langchain

14

Carga y Transformación de Documentos No Estructurados con Landship

15

Lectura de CSV y conversión a DataFrame de Pandas y LangChain

16

Creación de un Cargador de JSON-Lines Personalizado en Python

17

Fragmentación de Documentos con TextSplitter en Langsteam

18

Creación de un Chatbot con Documentación de Hugging Face

19

Creación de Índice Vectorial con Langchain y Embeddings

Quiz: Manejo de documentos con índices

Embeddings y bases de datos vectoriales

20

Creación de Índices con Embeddings y Bases de Datos Vectoriales

21

Creación y uso de embeddings con OpenAI y Lanchain

22

Modelos de Embeddings Open Source en Español con Sentence Transformers

23

Creación y Gestión de Bases de Datos Vectoriales con Chroma

24

Creación y manejo de bases de datos vectoriales con OpenAI Embeddings

25

Creación y Uso de un Retriever en Chroma para Consultas Avanzadas

26

Modelo de Chat para Preguntas y Respuestas con LangChain y Chroma

27

Creación de un Chatbot para Preguntas con Bases de Datos Vectoriales

Quiz: Embeddings y bases de datos vectoriales

Chats y memoria con LangChain

28

Memoria de Corto Plazo en Chatbots: Implementación y Optimización

29

Creación y Uso de Modelos de Chat con OpenAI y LangChain

30

Creación de Plantillas Dinámicas para Prompts de Chat en Langstead

31

Memoria en chatbots: Implementación con ConversationBufferMemory

32

Configuración de ConversationBufferWindowMemory en Chatbots

33

Memoria de Resumen de Conversaciones con Chat GPT-3.5

34

Gestión de Memoria en Chatbots con ConversationSummaryBufferMemory

35

Memoria de Entidades en Chatbots para Soporte de Ventas

36

Implementación de Chatbot con Memoria en Python usando Langchain

Quiz: Chats y memoria con LangChain

Evolución del uso de LLM

37

Creación de Chatbots con Modelos de Lenguaje y Bases de Datos Vectoriales

No tienes acceso a esta clase

¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera

Curso de LangChain

Curso de LangChain

Omar Espejel

Omar Espejel

Creación de un Chatbot para Preguntas con Bases de Datos Vectoriales

27/37
Recursos

Aportes 2

Preguntas 2

Ordenar por:

¿Quieres ver más aportes, preguntas y respuestas de la comunidad?

Para llegar a tener el chat funcionando se hizo lo siguiente:

  • Se comenzó guartdando la documentación en una base de datos, cada uno de los archivos en un json.
  • Se importaron estos json en formato de documents de LangChain uno por uno.
  • Despues se crearon más documents a partir de los datos previous para partir la data en pequeños textos.
  • Se convirtieron estos fragmentos de texto en números utilizando embbedings
  • Los fragmentos anteriores se guardan en una base de datos vectorial como chrome
  • Esta base se convierte a un retriever para poder obtener los fragmentos de texto que más se parecen a la pregunta.
    Con todo esto se crea una cadena (retriever, query a resolver y un modelo).
    El proceso se resumiría en que el query (pregunta) ingresado es recibido por un modelo de chat (open ai) y va a buscar en la base de datos de chroma cuales son los fragmentos de texto que podrían resolver la duda.
Gracias, me ha ayudado un monton en mi trabajo