Muchas organizaciones poseen grandes volúmenes de información almacenada en documentos, bases de datos, reportes y repositorios digitales. Sin embargo, acceder y aprovechar ese conocimiento de manera eficiente sigue siendo un desafío importante.

Las arquitecturas conocidas como Retrieval Augmented Generation (RAG) permiten combinar modelos de lenguaje con sistemas de recuperación de información para crear asistentes inteligentes capaces de consultar documentos, analizar conocimiento organizacional y responder preguntas basadas en información real.

Este curso introduce a los participantes en los fundamentos de los sistemas RAG y en el desarrollo de aplicaciones basadas en modelos de lenguaje capaces de interactuar con bases de conocimiento, documentos y repositorios de información.

Durante el programa se revisarán las principales arquitecturas utilizadas para construir sistemas RAG, incluyendo el uso de embeddings, bases de datos vectoriales y pipelines de recuperación de información. Asimismo, se explorarán herramientas y frameworks utilizados para desarrollar este tipo de soluciones, como LangChain y LlamaIndex.

Los participantes aprenderán cómo transformar colecciones de documentos en sistemas de consulta inteligentes capaces de responder preguntas, generar resúmenes y apoyar procesos de análisis de información.

El curso tiene un enfoque práctico orientado a comprender cómo las organizaciones pueden construir asistentes basados en conocimiento para mejorar el acceso a la información, automatizar procesos de consulta y apoyar la toma de decisiones basada en datos.

Contenidos del curso

1. Introducción a los sistemas de conocimiento con IA

- Qué es Retrieval Augmented Generation (RAG)

- Diferencias entre modelos de lenguaje y sistemas RAG

- Aplicaciones organizacionales de RAG

2. Representación de información mediante embeddings

- Qué son los embeddings

- Transformación de textos en vectores

- Uso de embeddings para búsqueda semántica

3. Bases de datos vectoriales

- Concepto de vector database

- Indexación de información

- Búsqueda semántica en documentos

4. Arquitectura de sistemas RAG

- Pipeline de recuperación de información

- Integración entre recuperación y generación de respuestas

- Diseño de asistentes basados en conocimiento

5. Desarrollo de asistentes documentales

- Consulta de documentos mediante IA

- Generación de respuestas basadas en información real

- Análisis y resumen de contenidos

6. Aplicaciones organizacionales de RAG

- Asistentes para bases de conocimiento

- Análisis de documentos corporativos

- Sistemas de consulta para información organizacional

Objetivos del curso

Al finalizar el curso los participantes podrán:

- Comprender cómo funcionan los sistemas RAG

- Utilizar embeddings para representar información textual

- Comprender el rol de las bases de datos vectoriales

- Diseñar asistentes inteligentes basados en conocimiento organizacional

Dirigido a

- Desarrolladores y profesionales de tecnología

- Ingenieros de datos y científicos de datos

- Analistas interesados en sistemas de inteligencia artificial aplicada

- Equipos que buscan construir asistentes inteligentes para documentos y bases de conocimiento

Duración

24 horas

Modalidad

Online en vivo

Presencial

Modalidad híbrida