Penjelasan tentang reranking bikin saya paham kenapa hasil pencarian RAG saya selama ini kurang relevan. Bagian evaluasi juga membantu banget karena ada metrik konkret buat mengukur performa sistem, bukan cuma tebak-tebakan. Cuma agak berharap ada lebih banyak studi kasus dunia nyata di bagian akhir.
Construcción de sistemas RAG: Búsqueda, Reranking y Evaluación
Comprenda los fundamentos de Retrieval-Augmented Generation y aprenda a implementar búsqueda híbrida y evaluar respuestas de LLM a través de ejercicios prácticos basados en texto.
-
💬
Instructor de IA
Pregunta sobre cualquier lección y recibe una respuesta clara al instante, cuando quieras. -
🕐
Empieza cuando quieras
Sin horarios ni fechas límite: aprende a tu ritmo, cuando quieras. -
🌐
En español
Lecciones, tareas y certificado: todo completamente en tu idioma.
Sobre este curso
A medida que los Large Language Models (LLMs) transforman el desarrollo de software, la capacidad de conectarlos con datos personalizados se está convirtiendo en una habilidad crítica. Retrieval-Augmented Generation (RAG) es el estándar de la industria para hacer que las respuestas de AI sean precisas y conscientes del contexto. Este curso basado en texto le guía a través de la construcción de un sistema RAG desde cero. Comenzará con la terminología central de AI y búsqueda vectorial, para luego avanzar hacia la implementación de búsqueda híbrida, la aplicación de técnicas de reranking y la evaluación de la calidad de las respuestas de su sistema utilizando patrones modernos de Python.
Lo que aprenderá:
- Comprender los conceptos fundamentales de Retrieval-Augmented Generation y modelos de embedding.
- Construir pipelines de datos personalizados para preparar e ingerir texto en bases de datos vectoriales modernas.
- Implementar estrategias de búsqueda híbrida combinando recuperación por palabras clave y semántica.
- Aplicar algoritmos de reranking para mejorar la relevancia del contexto recuperado.
- Evaluar la precisión y calidad de las respuestas generadas por LLM utilizando métricas actuales de la industria.
- Practicar la integración de conceptos básicos de prompt engineering para optimizar los resultados de AI.
El plan de estudios fluye lógicamente desde definiciones básicas y conceptos centrales de AI hasta pasos de implementación práctica. Leerá explicaciones claras y estudiará fragmentos de código bien estructurados para construir su comprensión de la integración moderna de backend de AI. Diseñado para principiantes y desarrolladores con conocimientos básicos de programación, este curso no requiere experiencia previa en machine learning. Comience a leer hoy mismo para desarrollar sus habilidades fundamentales en Retrieval-Augmented Generation.
Lo que obtendrás
-
📜
Certificado de finalización
Añádelo a tu perfil de LinkedIn -
💬
Tutor AI personal
¿Atascado en una lección? Pregúntale a tu tutor integrado lo que quieras, cuando quieras. -
♾️
Acceso de por vida
Vuelve cuando quieras, sin caducidad -
📱
Teléfono o computadora
Funciona en cualquier dispositivo -
💸
Reembolso de 14 días
Sin preguntas -
⚡
Breve y enfocado
2 h 30 min de contenido práctico
Reseñas (20)
RAG 시스템을 처음부터 끝까지 다루는 구성이 정말 알찼습니다. 검색 단계에서 어떤 방식으로 문서를 가져오는지, 그리고 왜 reranking이 필요한지 순서대로 설명해줘서 흐름이 자연스러웠어요. 특히 평가 지표 부분에서 실제로 결과를 어떻게 측정하는지 실습으로 보여줘서 바로 제 프로젝트에 적용할 수 있었습니다. 설명 속도도 적당하고 예제 코드도 군더더기 없이 깔끔했습니다. RAG를 실무에 도입하려는 사람에게 정말 도움이 될 강의라고 생각합니다.
The section on evaluation metrics for RAG pipelines finally made sense of something I'd been guessing at for months.
Materi reranking dan evaluasi sangat jelas.
Good breakdown of how reranking actually improves retrieval quality over plain vector search. The evaluation frameworks covered near the end gave me a real way to benchmark my own pipeline instead of just eyeballing results. Wish there was a bit more depth on hybrid search though.
Solid walkthrough of search and reranking, though the evaluation section moved a little fast for my taste.
Phần đánh giá RAG rất hữu ích.
RAG 시스템의 기본 구조를 제대로 잡고 싶었는데 하이브리드 검색을 직접 구현해 보면서 감을 확실히 잡았어요. 리랭킹이 왜 필요한지, 검색 결과 품질이 어떻게 달라지는지 텍스트 실습으로 보여줘서 이해가 빨랐습니다. 특히 LLM 응답을 어떻게 평가하는지 다루는 부분이 실무에 바로 도움이 됐어요. 다만 대규모 데이터에서의 성능 최적화 얘기가 조금 더 있었으면 했습니다. 그래도 RAG 입문으로는 아주 알찬 강의였습니다.
Reranking explicado de forma clara e direta.
The hands-on hybrid search and reranking exercises finally made RAG evaluation click for me; I can now actually measure whether my answers are any good.
Reranking অংশটা অসাধারণভাবে বোঝানো হয়েছে।
Il corso copre in modo molto ordinato tutto il percorso di un sistema RAG, dalla ricerca iniziale fino al reranking dei risultati. La parte sulla valutazione mi è piaciuta particolarmente perché finalmente ho capito come misurare se le modifiche fatte al sistema portano davvero un miglioramento. Gli esempi pratici sono ben spiegati e si possono riprodurre facilmente con i propri dati. L'unico neo è che alcune sezioni teoriche sul reranking sono un po' dense rispetto agli esercizi collegati. Nel complesso resta un corso solido per chi vuole andare oltre il semplice retrieval vettoriale.
Świetne wyjaśnienie reranking i ewaluacji.
এই কোর্সটা RAG সিস্টেম নিয়ে যেভাবে ধাপে ধাপে বুঝিয়েছে তা সত্যিই দারুণ লেগেছে। প্রথমে সার্চের বেসিক, তারপর reranking কেন দরকার, আর শেষে evaluation মেট্রিক্স দিয়ে কীভাবে যাচাই করতে হয় — পুরো ফ্লো একদম সহজবোধ্য। কোডের উদাহরণগুলো নিজে চালিয়ে দেখেছি, কাজ করেছে ঠিকঠাক। আগে শুধু ভেক্টর সার্চ দিয়ে কাজ চালাতাম, কিন্তু এখন বুঝতে পারছি কোথায় ফলাফল উন্নত করা যায়। সময় নিয়ে বসে শেখার মতো একটা কোর্স।
คอร์สนี้อธิบายเรื่อง RAG ได้ค่อนข้างละเอียด ตั้งแต่การค้นหาข้อมูลพื้นฐานไปจนถึง reranking ซึ่งเป็นส่วนที่ผมไม่เคยเข้าใจมาก่อนว่าทำไมต้องมี ส่วนของการประเมินผลด้วย metric ต่าง ๆ ก็ช่วยให้เห็นภาพชัดว่าระบบทำงานดีขึ้นจริงหรือเปล่า ตัวอย่างโค้ดใช้งานได้จริงและลองทำตามได้ไม่ยาก แต่บางช่วงในเรื่อง reranking รู้สึกว่าอธิบายเร็วไปหน่อยสำหรับคนที่เพิ่งเริ่มต้น โดยรวมแล้วคุ้มค่ากับเวลาที่เสียไปมาก
Finally a course that explains reranking without hand-waving — the comparison between different rerankers on real queries was worth it alone.
Bon cours, un peu dense par moments.
Курс закрывает всю базу по RAG: от простого поиска до реранкинга и метрик оценки качества. Особенно понравился блок про evaluation — наконец разобралась, как измерять, действительно ли система отвечает лучше после доработок. Примеры кода рабочие, можно сразу повторить на своих данных. Единственное — тема реранкинга могла бы получить чуть больше практики, было ощущение, что теория обгоняет упражнения. В целом однозначно стоило потраченного времени.
O curso explica muito bem a diferença entre busca simples e reranking, algo que eu nunca tinha entendido direito antes. A parte de avaliação com métricas reais ajudou muito a validar se as mudanças no meu sistema realmente melhoraram os resultados. Os exemplos práticos são fáceis de acompanhar mesmo sem muita experiência prévia com RAG.
Le module sur le reranking m'a vraiment ouvert les yeux, je ne comprenais pas bien pourquoi mes résultats de recherche étaient si moyens avant ça. Les exercices sur l'évaluation avec des métriques concrètes sont hyper utiles pour juger si un système RAG marche vraiment. Rythme parfait, ni trop lent ni trop dense.
Otros también tomaron
🎓 Con certificado
IA Privada con LLMs de Código Abierto: Despliegue Local, RAG y Agentes
Certificado
Práctica
E£750.00
→
💼 Listo para trabajar
🎓 Con certificado
Ajuste Fino de Modelos OpenAI: Personaliza LLMs con tus Propios Datos
Certificado
Práctica
E£750.00
→
🏆 El más popular
🎓 Con certificado
Desarrollo de Sistemas RAG con Azure OpenAI y Azure AI Search
Certificado
Práctica
E£750.00
→
💼 Listo para trabajar
🎓 Con certificado
Desarrollo de Aplicaciones de IA con LangChain
Certificado
Práctica
E£750.00
→
Preguntas frecuentes
¿Qué necesito para tomar este curso? +
Solo un teléfono o computadora con internet. Sin instalaciones ni hardware especial.
¿Cómo pago? +
Con tarjeta a través de Stripe. No almacenamos datos de tarjeta — Stripe los gestiona de forma segura.
¿Puedo obtener un reembolso? +
Sí — reembolso completo en 14 días, sin preguntas.
¿Por cuánto tiempo tendré acceso? +
Para siempre. Una vez comprado, el curso es tuyo para revisarlo cuando quieras.
¿Obtendré un certificado? +
Sí. Al finalizar recibirás un certificado que puedes añadir a tu perfil de LinkedIn.
Diseñado para profesionales en
Tecnología
Diseño
Finanzas
Marketing
Salud
Educación
Hostelería
Manufactura