Qué necesitas saber antes de
comenzar
Inicio 5 June 2026 00:28
Fin 5 June 2026
00
Días
00
Horas
00
Minutos
00
Segundos
2 hours 41 minutes
Actualización opcional disponible
Not Specified
Avanza a tu propio ritmo
Paid Course
Actualización opcional disponible
Resumen
Are you ready to take your AI skills to the next level? Welcome to "Supercharge AI with Knowledge Graphs:
RAG System Mastery", the ultimate course designed to unlock the full potential of Large Language Models (LLMs) using cutting-edge techniques in Knowledge Graphs and Retrieval-Augmented Generation (RAG) systems.
Programa
- Introducción a los Grafos de Conocimiento
- Fundamentos de los Modelos de Lenguaje Grandes (LLMs)
- Construcción de Grafos de Conocimiento
- Sistemas de Generación Aumentada por Recuperación (RAG)
- Integración de Grafos de Conocimiento con LLMs
- Técnicas Avanzadas de RAG
- Proyectos Prácticos
- Herramientas y Tecnologías
- Consideraciones Éticas y Tendencias Futuras
- Revisión del Curso y Próximos Pasos
Definición y conceptos clave
Importancia y aplicaciones en IA
Visión general de las arquitecturas de LLM
Capacidades y limitaciones
Fuentes de datos y adquisición
Bases de datos de grafos y herramientas
Tecnologías de la web semántica
Arquitectura y componentes de RAG
Ventajas sobre los LLMs tradicionales
Estudios de caso y casos de uso
Técnicas para mejorar los LLMs con grafos de conocimiento
Consulta y actualización de grafos en tiempo real
Personalización de mecanismos de recuperación
Manejo de conjuntos de datos a gran escala
Optimización para el rendimiento
Construcción de un sistema RAG simple
Aplicaciones reales y resolución de problemas
Presentaciones de proyectos y retroalimentación
Visión general de herramientas populares para construir grafos de conocimiento (por ejemplo, Neo4j, marcos RDF)
Herramientas de integración para sistemas RAG (por ejemplo, Haystack, Faiss)
Mitigación de sesgos en sistemas de conocimiento
Desarrollos futuros en grafos de conocimiento e IA
Resumen de conceptos clave
Lecturas adicionales y recursos
Caminos para el aprendizaje continuo y desarrollo profesional en IA y tecnologías de conocimiento
Impartido por
Paulo Dichone | Software Engineer, AWS Cloud Practitioner & Instructor
Materias
Data Science