Le module sur le reranking a complètement changé ma façon d'aborder mes pipelines RAG, je ne pensais pas que ça ferait une telle différence sur la pertinence des résultats. L'utilisation de LangChain pour combiner recherche hybride et réécriture de requêtes est expliquée de manière très concrète.
RAG con Python: Búsqueda Híbrida, Reranking y Reescritura
Aprenda a crear aplicaciones modernas de Retrieval-Augmented Generation utilizando LangChain, bases de datos vectoriales y técnicas de búsqueda inteligente desde cero.
-
💬
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
Los modelos de lenguaje de gran tamaño son potentes, pero a menudo carecen de acceso a sus datos específicos. Retrieval-Augmented Generation (RAG) cierra esta brecha, permitiéndole conectar la IA a bases de conocimientos personalizadas. En este curso basado en texto, explorará cómo construir sistemas RAG robustos utilizando Python. Comenzando con conceptos fundamentales, progresará hacia la implementación de técnicas modernas como búsqueda híbrida, reranking de resultados y reescritura de consultas para mejorar drásticamente la precisión de las respuestas de la IA.
Lo que aprenderá: Comprender la arquitectura central y la terminología de Retrieval-Augmented Generation; Construir pipelines de RAG fundamentales utilizando Python y LangChain; Implementar bases de datos vectoriales para almacenar y recuperar embeddings de documentos; Aplicar técnicas de búsqueda híbrida combinando la recuperación semántica y por palabras clave; Mejorar la precisión de la IA utilizando patrones de reranking de resultados y reescritura de consultas; Explorar conceptos modernos de Agentic AI para la recuperación autónoma de datos.
El curso comienza con definiciones claras de la terminología de IA antes de pasar a las implementaciones prácticas en Python. Leerá explicaciones detalladas, examinará fragmentos de código y practicará la construcción de sistemas de recuperación de IA basados en texto paso a paso. Este curso está diseñado para principiantes y aspirantes a desarrolladores; no se requiere experiencia previa con machine learning avanzado. Comience a leer hoy mismo para desbloquear el poder del RAG moderno y crear aplicaciones más inteligentes impulsadas por datos.
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. -
🎧
Versión en audio incluida
Aprende en cualquier momento, sin pantalla -
♾️
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 (6)
Selama ini saya cuma tahu RAG sebatas 'ambil dokumen terus masukin ke prompt', tapi kursus ini benar-benar membongkar detail yang sering dilewatkan seperti hybrid search dan reranking. Bagian yang paling membuka mata saya adalah query rewriting, ternyata banyak hasil pencarian yang buruk itu bukan karena embedding jelek tapi karena pertanyaan awal dari user memang ambigu. Contoh kode dengan LangChain dijelaskan langkah demi langkah sehingga saya bisa langsung praktik di proyek sendiri tanpa kebingungan. Urutan materinya juga masuk akal, dari retrieval sederhana sampai pipeline lengkap yang menggabungkan semua teknik. Setelah menyelesaikan kursus ini, hasil pencarian RAG saya jauh lebih relevan dibanding sebelumnya.
Давно искал внятное объяснение гибридного поиска, и здесь наконец сложилась картина: как совмещать плотные эмбеддинги с BM25 и зачем потом прогонять результаты через реранкер. Особенно зашёл блок про переписывание запроса перед обращением к векторной базе — раньше я недооценивал этот шаг, а он реально поднял качество выдачи в моём проекте на LangChain. Примеры рабочие, всё запускается без танцев с бубном. Единственное, по выбору самой векторной БД хотелось бы поглубже, но в целом курс закрыл почти все мои вопросы по RAG.
أخيرًا شرح واضح لكيفية دمج البحث الهجين وإعادة الترتيب في نظام RAG بدلاً من الاكتفاء بالاسترجاع البسيط. الجزء الخاص بإعادة صياغة الاستعلامات باستخدام LangChain كان عمليًا جدًا وساعدني في تحسين دقة النتائج بشكل ملموس.
Hibrit arama ve reranking konularını bu kadar net anlatan başka bir kaynak bulamamıştım. LangChain ile query rewriting kısmını uygulamalı örneklerle göstermesi, RAG pipeline'ının neden bazen alakasız sonuç döndürdüğünü anlamamı sağladı.
Good deep dive into the parts of RAG that most tutorials skip, especially the hybrid search and reranking sections which finally explained why my retrieval results were mediocre. The LangChain code examples are solid, though the query rewriting module could use a bit more explanation on tuning the prompts.
Otros también tomaron
🎓 Con certificado
IA Privada con LLMs de Código Abierto: Despliegue Local, RAG y Agentes
Certificado
Práctica
$14.99
→
💼 Listo para trabajar
🎓 Con certificado
Ajuste Fino de Modelos OpenAI: Personaliza LLMs con tus Propios Datos
Certificado
Práctica
$14.99
→
🏆 El más popular
🎓 Con certificado
Desarrollo de Sistemas RAG con Azure OpenAI y Azure AI Search
Certificado
Práctica
$14.99
→
💼 Listo para trabajar
🎓 Con certificado
Desarrollo de Aplicaciones de IA con LangChain
Certificado
Práctica
$14.99
→
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