Opiniones del Curso de Embeddings y Bases de Datos Vectoriales para NLP

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

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

exelente curso

exelente curso

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

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.

Este curso debería llamarse "Curso de Introducción", creo que esta muy bueno, bien explicado por el profesor, pero se queda corto para hacer cosas empresariales más particulares. Uno de los temas que no se tocó fue como hacerle pruebas a los resultados finales: Por ejemplo si usamos dos modelos preentrenados distintos. Cómo puedo saber cuál funciona mejor? Qué métricas se usan? Cuando el profesor hizo el entrenamiento del modelo no habló de cómo probarlo.

Se desactualizaron ya las librerías de Pinecone y ello alentó el proceso pero me ayudó bastante a comprender los alcances de los embeddings y su relación con los LLM's

Con la AI, deberían quitar paja o marcar vídeos como opcionales. Se hace muy largo de ver cuando lo que yo quería ver es cómo funcionan los sentence transformers, y cómo funciona la tecnología que hay bajo ello. La parte matemática muy top, la parte de código, se lía mucho en explicar como filtrar datos, y cosas que hoy día no tienen valor. Si quiero saber como hacer eso, lo busco en ChatGPT.

Fácil de llevar y completo con un ejemplo práctico.

good

Me gusto mucho que dieron el contexto antes de entrar en el tema, el tema es altamente relevante y util

Excellent. We need more courses about AI!

Falta profundizar un poco más, con ejemplos tipo RAG con grandes volumenes de información.

hace tiempo que se creo el curso, esta bueno pero habria q actualizarlo

Bueno!!!

Me parecio muy bueno el curso. Siento que falta más detalle sobre la teoría de los embeddings y como entrenarlos. Hubiera sido bueno explicar ELMO o BERT (de una manera global). Adicionalmente, me parece super importante actualizar el contenido, ya que por ejemplo Picone ha actualizado su API en la forma de autenticación y en la forma en la que se crean las BDs. Así como tambien, la API de OpenAI ha cambiado.

Para programadores junior, puede resultar confuso nombrar las variables que instancian clases si se utilizan nombres iguales o demasiado similares a los de la clase. Una práctica recomendada es usar nombres de variables en español, lo que facilita la distinción entre la clase y la variable que la instancia o el método asociado, mejorando así la claridad del código.

No me parece buena idea que en el quiz se pregunte por metdoos, a la final como devs no necesitamos saber eso de memoria, es mas importante los concepts

Es una oportunidad de conocer nuevos alcances y herramientas para el entrenamiento de modelos, pero el acceso restringido a los requisitos prácticos hace poco efectivo el aprovechamiento de tanto conocimiento

Lo mejor de este curso fue el proyecto que explico bases solidas de entrenamiento de un modelo y como estos embeddings se almacenan en las bases de datos vectoriales

Buena explicación de lo que aparece en su título

Explica muy bien el uso de las bases vectoriales