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 · 94 opiniones
Pablo Hurtado
@phurtado·
Ayuda a entender embeddings y bases vectoriales con ejemplos aplicables al mundo
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
Comunidad
La comunidad es nuestro super poder
Contenido adicional creado por la comunidad que nunca para de aprender