Descubre cómo la inteligencia artificial interpreta el lenguaje humano a través de potentes modelos de embeddings. Aprende a transformar documentos de texto en vectores y a almacenarlos en bases de datos vectoriales como Chroma y Pinecone. Conoce cómo los LLMs y otros modelos de NLP pueden acceder a esta información para potenciar tus aplicaciones.
Creación de embeddings
Usando embeddings preentrenados
- 9

Uso práctico de Sentence Transformers en procesamiento de textos
11:16 min - 10

Análisis Semántico: Buscar Textos con Sentence Transformers
04:42 min - 11

Manejo de Embeddings con OpenAI: API, Instalación y Datasets
10:28 min - 12

Manejo y Visualización de Embeddings con OpenAI: Guía Práctica
07:24 min - 13

Creación de un Motor de Búsqueda Semántico con Python
12:20 min - 14

Transformación de Texto a Embeddings con Sentence Transformer
03:53 min
Bases de datos vectoriales
- 15

Qué es y cómo usar una base de datos vectorial
05:36 min - 16

Gestión de Bases de Datos Vectoriales con ChromaDB: Instalación y Uso
11:45 min - 17

Generación y manejo de embeddings en Chroma con Sentence Transformer
04:20 min - 18

Consultas avanzadas y filtrado en bases de datos con Chroma
09:24 min - 19
Cargar colección de Chroma previamente creada
00:40 min - 20

Configuración y Uso de Pinecone: Desde la Instalación hasta la Inserción de Datos
05:08 min - 21

Optimización de Ingesta de Datos en Pinecone: Procesos y Estrategias
07:48 min - 22

Consultas Avanzadas en Pinecone: De Texto a Vector y Filtros
05:57 min - 23

Carga de índices en Pinecone: Gestión eficiente en la nube
02:35 min - 24

Carga de embeddings en Pinecone para búsqueda semántica
09:22 min - 25

Creación de buscador semántico con Gradio y Sentence Transformer
16:22 min
Conclusiones
Conoce quién enseña el curso

Proyecto del curso

Buscador semántico de películas
Desarrolla un buscador que funciona con una base de datos vectorial, la cual almacena información en forma de embeddings de veinticinco mil películas. Utiliza búsqueda semántica y potencia tus habilidades con este proyecto de machine learning.
Ver proyectosoftware y recursos necesarios
- Jupyter Notebook, Google Colab, Deepnote, etc.
- Python 3.6+
- Cuenta y API Key de OpenAI.
4.8 · 91 opiniones


Gabriel Henao
Excelente curso. Resolvió muchas de mis dudas respecto al uso de embeddings y bases de datos vectoriales que no encontré en ninguna otra fuente de información. Gracias por el curso.

Jovanny Delgado
Como potenciar los LLMs con el uso de Embeddings


Excelente!!!!


Danniela Isamar Rodríguez Jove
Uno de los mejores cursos que he visto en Platzi. Aprendí bastante, me divertí y tengo un montón de ideas para llevarlas a proyectos. Como sugerencia, el curso ya requiere una actualización sobre todo con Pinecone

Brandon F Vargas Garcia
La verdad totalmente sorprendido por la gran utilidad de este curso y de los embeddings

Carlos Arteaga
Excelente curso para entender los embeddings y su relacion con los LLMS


Jose Perdomo Saenz
Un curso excelente y directo al grano


Edgar A. Gonzalez Ambriz
De los mejores cursos de Platzi. Explicado excelentemente por el profesor quien transmite gran conocimiento del tema


Excelente curso


Curso practico, el profe da las bases para iniciar con el embedding y bases vectorales


Excelente conocimiento del profesor y excelente material para seguir las diferentes partes del manejo de bd vectoriales y búsqueda semántica


Juan Camilo Torres Salas
Muy buen docente, explica muy bien, hace entender cosas que pueden ser complejas con una facilidad que asombra.


Mauricio Martínez Orjuela
que cursaso, esto si lo vale todo


lizardo durand
Excelente curso. seguimos...


Oscar Correcha
Excelente curso, aunque le falta documentación. A pesar de eso, es un curso excepcional


Jesús Efrey Gomez Tellez
El dominio del tema del docente


Alan Stiven Camacho Restrepo
Muy buenos conocimiento impartidos <3

Gerson Gómez Giraldo
excelente


Yony Arley Briñez Valderrama
Excelente curso, la informacion es muy valiosa y practica, el profesor explica muy bien y los ejercicios te ayudan a comprender


Emmanuel Maya Molina
Que cursote, a emprender


Carlos Perilla
Un curso muy ilustrativo de Embeddings, el corazón del procesamiento de lenguaje que manejan los modelos actuales de LLM

Cristian Percivati
Muy buena introducción general, tanto para los embeddings como para las bases de datos vectoriales. Por supuesto, el material teórico se puede ampliar.


Kevin Ramirez
Uno de los mejores cursos que he visto, excelente

german mauricio neira vargas
Me facilito bastante el comprender que son los embeddings y como usarlos dentro de los modelos IA

Daniel Hernandez
Me encantó este curso, muy completo y con muchas cosas que aprender


Norberto Vera Reatiga
Los embeddings y las bases de datos vectoriales potencian las capacidades de NLP, permitiendo a los sistemas entender y procesar el lenguaje humano de manera más efectiva, realizar búsquedas semánticas eficientes, y escalar para manejar grandes volúmenes de datos, todo lo cual es crucial para el desarrollo y la implementación de aplicaciones avanzadas de NLP, excelente trabajo del profesor en la transmisión de este contenido, Muchas gracias!


Luis Blas
Muy buen curso! Lo mejor del curso fue aprender como se cuantifican las palabras en un espacio contextual.


robin rojas
Es muy actualizada la información en cuanto a la IA


Horacio Licona
Excelente profesor y muy nutritivo el curso

Fernando Castrillón
Me parece que es el mejor curso para empezar en inteligencia artificial usando texto.
Este curso es parte de estas rutas de aprendizaje




Deep Learning con Python
Utiliza redes neuronales para entrenar modelos con grandes cantidades de datos. Crea proyectos avanzados de inteligencia artificial.
La comunidad es nuestro super poder
Contenido adicional creado por la comunidad que nunca para de aprender



