Nivel Intermedio
26 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
Platzi Team
Opiniones del curso
4.8 · 93 opiniones
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
Jerson David Puentes Sanchez
@JersonPuentes·
Comprender cómo funcionan los embeddings y su utilidad
Aaron Jimenez
@Aj2.1·
Los conceptos son un poco dificiles de seguir, pero con la practica y el proyecto se explican bien.
Franz Emil Eulate Chacolla
@FranzEmil35·
Es interesan el ver mas un tipo de db
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