Nivel Intermedio
27 clases
3 horas de contenido
10 horas de práctica
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
Profes del curso
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.
Opiniones del curso
4.8 · 91 opiniones
Gabriel Henao
@gabreduhenao·
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
@jovannydelgado·
Como potenciar los LLMs con el uso de Embeddings
@arley.murillo·
Excelente!!!!
Danniela Isamar Rodríguez Jove
@dannigamedev·
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
@200484·
La verdad totalmente sorprendido por la gran utilidad de este curso y de los embeddings
Carlos Arteaga
@ing.mauricio.arteaga·
Excelente curso para entender los embeddings y su relacion con los LLMS
Jose Perdomo Saenz
@jose-perdomo-saenz·
Un curso excelente y directo al grano
Edgar A. Gonzalez Ambriz
@EdgarGA·
De los mejores cursos de Platzi. Explicado excelentemente por el profesor quien transmite gran conocimiento del tema
@rene.fuquene·
Excelente curso
@amcastrol·
Curso practico, el profe da las bases para iniciar con el embedding y bases vectorales
@cgonzalezv·
Excelente conocimiento del profesor y excelente material para seguir las diferentes partes del manejo de bd vectoriales y búsqueda semántica
Juan Camilo Torres Salas
@torressalasjc·
Muy buen docente, explica muy bien, hace entender cosas que pueden ser complejas con una facilidad que asombra.
Mauricio Martínez Orjuela
@MaodeColombia·
que cursaso, esto si lo vale todo
lizardo durand
@lizardodurand·
Excelente curso. seguimos...
Oscar Correcha
@oecorrechag·
Excelente curso, aunque le falta documentación. A pesar de eso, es un curso excepcional
Jesús Efrey Gomez Tellez
@jesus.gomez358·
El dominio del tema del docente
Alan Stiven Camacho Restrepo
@ascamach·
Muy buenos conocimiento impartidos <3
Gerson Gómez Giraldo
@giraldogomez2017·
excelente
Yony Arley Briñez Valderrama
@ybrinez·
Excelente curso, la informacion es muy valiosa y practica, el profesor explica muy bien y los ejercicios te ayudan a comprender
Emmanuel Maya Molina
@emayaml·
Que cursote, a emprender
Carlos Perilla
@carlos7736·
Un curso muy ilustrativo de Embeddings, el corazón del procesamiento de lenguaje que manejan los modelos actuales de LLM
Cristian Percivati
@cpercivatif·
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
@kevinrave1804·
Uno de los mejores cursos que he visto, excelente
german mauricio neira vargas
@mauricio830715·
Me facilito bastante el comprender que son los embeddings y como usarlos dentro de los modelos IA
Daniel Hernandez
@danhergir·
Me encantó este curso, muy completo y con muchas cosas que aprender
Norberto Vera Reatiga
@Noverea·
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
@luis.blas·
Muy buen curso! Lo mejor del curso fue aprender como se cuantifican las palabras en un espacio contextual.
robin rojas
@needzaio·
Es muy actualizada la información en cuanto a la IA
Horacio Licona
@horaciolicona0711·
Excelente profesor y muy nutritivo el curso
Fernando Castrillón
@fercastrigar500·
Me parece que es el mejor curso para empezar en inteligencia artificial usando texto.
Eleva tu aprendizaje
Este curso es parte de estas rutas de aprendizaje
Ruta
Deep Learning con Python
33 horas
7 Profes
Utiliza redes neuronales para entrenar modelos con grandes cantidades de datos. Crea proyectos avanzados de inteligencia artificial.
Comunidad
La comunidad es nuestro super poder
Contenido adicional creado por la comunidad que nunca para de aprender