Qué necesitas saber antes de
comenzar

Inicio 5 June 2026 02:04

Fin 5 June 2026

00 Días
00 Horas
00 Minutos
00 Segundos
course image

Potencia la IA con Grafos de Conocimiento: Dominio del Sistema RAG NUEVO

Mejora de Modelos de Lenguaje de Gran Tamaño Usando Contexto Estructurado y Generación Aumentada por Recuperación - Neo4j, LangChain, Cypher
via Udemy

4160 Cursos


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
  • Definición y conceptos clave
    Importancia y aplicaciones en IA
  • Fundamentos de los Modelos de Lenguaje Grandes (LLMs)
  • Visión general de las arquitecturas de LLM
    Capacidades y limitaciones
  • Construcción de Grafos de Conocimiento
  • Fuentes de datos y adquisición
    Bases de datos de grafos y herramientas
    Tecnologías de la web semántica
  • Sistemas de Generación Aumentada por Recuperación (RAG)
  • Arquitectura y componentes de RAG
    Ventajas sobre los LLMs tradicionales
    Estudios de caso y casos de uso
  • Integración de Grafos de Conocimiento con LLMs
  • Técnicas para mejorar los LLMs con grafos de conocimiento
    Consulta y actualización de grafos en tiempo real
  • Técnicas Avanzadas de RAG
  • Personalización de mecanismos de recuperación
    Manejo de conjuntos de datos a gran escala
    Optimización para el rendimiento
  • Proyectos Prácticos
  • Construcción de un sistema RAG simple
    Aplicaciones reales y resolución de problemas
    Presentaciones de proyectos y retroalimentación
  • Herramientas y Tecnologías
  • 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)
  • Consideraciones Éticas y Tendencias Futuras
  • Mitigación de sesgos en sistemas de conocimiento
    Desarrollos futuros en grafos de conocimiento e IA
  • Revisión del Curso y Próximos Pasos
  • 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