
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.
Clases del curso
Creación de embeddings
Usando embeddings preentrenados
Bases de datos vectoriales
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 proyectoconocimientos previos
- Programación en Python.
- Uso de APIs.
- Manipulación y transformación de datos con Pandas y Numpy.
- Uso de Google Colab o Jupyter Notebooks.
- Fundamentos de bases de datos.
- Consumo de modelos de la API de OpenAI.
- Uso de modelos del hub de Hugging Face.
- Operación de vectores de álgebra lineal.
software y recursos necesarios
- Jupyter Notebook, Google Colab, Deepnote, etc.
- Python 3.6+
- Cuenta y API Key de OpenAI.
4.8 · 77 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


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.


Javier Alberto Perez Valdez
Explicación completa, clara y de forma simple para un buen entendimiento sobre bases de datos vectoriales.


Alan Stiven Camacho Restrepo
Muy buenos conocimiento impartidos <3

Veronica Lopez
excelente

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


David Alejandro Lopera Betancur
Uno de los mejores cursos que he tomado en Platzi. Vital ahora con el auge de LLMs

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

Diana Loboa
Excelente explicacion, a detalle comence con un proyecto de scraping de un canal de youtube para poner en practica pandas , y continue con el proyecto aqui , relizando el formato y obteniendo la mayor candidad de metadata. y va genial

Horacio Licona González
Excelente profesor y muy nutritivo el curso

Fernando Castrillón
Me parece que es el mejor curso para empezar en inteligencia artificial usando texto.


Oscar Javier Perez
El curso es muy completo y el mejor que he tomado en Platzy. Recomiendo que lo tomen con calma y desarrollando los ejercicios. El único "pero" ha sido que en Pinecone no pude replicar los ejercicios, pues en la clase se muestra que Pinecone nos arroja un entorno, pero al hacerlo no se obtuvo (vi en los comentarios que también le pasó a otras personas).


Juan David Aguirre
Excelente curso. Muy buen contenido. Mucho aprendizaje. Muy buen profesor.


Eduardo Toledo
Lo mas sorprendente es la coherencia en cada una de las exposiciones. Este curso me acelero mi inicial conocimiento


Hector Fabian Rodriguez Acosta
Excelente


Ronal Patricio Requena Cisneros
Las explicaciones fueron bastante didácticas y fue fácil entender lo que sucede detrás del código para la creación de embeddings.

Franco Joel Medina
Que buen curso! Super actual y con contenido práctico en cada video. Lo termino con muchas ganas de aplicar lo aprendido en los próximos días. pd: Streamlit > Gradio


Aaron Jimenez
Los conceptos son un poco dificiles de seguir, pero con la practica y el proyecto se explican bien.

Jerson David Puentes Sanchez
Comprender cómo funcionan los embeddings y su utilidad


Elias Castellanos
Muy buen curso para comprender mejor como funciona por detrás la lógica de los embeddings pre entrenados como el OpenAIEmbeddings, las bases de datos vectoriales demuestran ser una buena herramienta para crear sistemas de recomendación a partir de representaciones semánticas de nuestro propio lenguaje.


Jose Elier Fajardo
Excelente curso. Todo muy bien explicado por el increible profesor Carlos Alarcon!


good, very good


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


Jason Sepulveda
Un buen curso, bastante bueno, el codigo esta desactualizado, pero si lees la documentacion puedes ir corrigiendolo, o puedes encontrarlo en mi github -> jasonssdev/platzi-embeddings
La comunidad es nuestro super poder
Contenido adicional creado por la comunidad que nunca para de aprender