Mejora RAG con Chroma

Resumen

Boost RAG with Chroma is an intermediate, hands-on course designed for developers and AI practitioners who need to solve one of the biggest challenges with Large Language Models:

their tendency to hallucinate. This course moves beyond theory and teaches you how to build a practical, effective Retrieval-Augmented Generation (RAG) pipeline to make your LLMs more trustworthy and enterprise-ready.

You will learn the architectural patterns for using a vector database to create an external knowledge base that grounds an LLM's responses in verifiable data. Using a project-based approach, you will implement this pattern, drawing on the popular open-source tools Chroma and LangChain as concrete examples.

The course culminates in a hands-on evaluation where you will directly compare your model's answers—with and without RAG—to qualitatively measure the improvement in factuality. You'll leave with a portfolio-ready project and the ability to build safer, more reliable generative AI applications using any set of comparable tools.

Programa

• Construcción del pipeline RAG
En este módulo, construirás el núcleo de un sistema de IA moderno y factual. Primero aprenderás por qué incluso los LLM potentes fallan y cómo la arquitectura RAG lo soluciona al fundamentarlos en datos reales. Luego, obtendrás experiencia práctica implementando este patrón para construir un pipeline funcional que conecta una base de conocimientos personalizada directamente con un LLM.
• Evaluación de la reducción de alucinaciones
Con un pipeline funcional construido, este módulo se centra en el paso más crítico: demostrar su valor. Aprenderás cómo probar sistemáticamente tu sistema RAG, comparar sus respuestas fundamentadas con las de un LLM de referencia y evaluar cualitativamente la reducción de alucinaciones. Este módulo culmina en un proyecto final donde documentarás formalmente tus hallazgos.

---

Impartido por

LearningMate

---

Materias

Artificial Intelligence