Ir al contenido principal
Español— Elegir un idioma
Menú

Edición en español

Embeddings, RAG y búsqueda semántica

Construye sistemas de búsqueda semántica: embeddings de texto y código, RAG desde cero con FAISS y técnicas avanzadas (Corrective, Self-RAG, Adaptive).

18 lecciones ca. 2 h Desarrollador

Lo que aprenderás

  • Generar embeddings con mistral-embed y medir la similitud semántica entre dos textos
  • Dividir y procesar por lotes un corpus grande para vectorizarlo sin superar los límites de la API
  • Indexar código con codestral-embed para habilitar la búsqueda semántica en un repositorio
  • Construir una canalización RAG completa: preparación, vectorización, almacenamiento en FAISS, recuperación y generación
  • Comparar Corrective RAG, Self-RAG y Adaptive RAG para mejorar la relevancia de las respuestas

Ficha del curso

Dirigido a
Desarrolladores, ingenieros e integradores que buscan aprovechar Mistral AI mediante API en sus aplicaciones.
Requisitos previos
Capacidad para leer Python y JSON, conocimientos básicos de línea de comandos. Una clave de API de Mistral AI Studio para probar los ejemplos.
Duración
2 h — 18 lecciones
Modalidades
Curso en línea 100 % a tu propio ritmo, accesible 24/7 desde un navegador. Progreso guardado, reanuda cuando quieras. Duración estimada: 2 h.
Evaluación
Autoevaluación basada en los puntos clave que concluyen cada lección e implementación directa de ejemplos con tus propios datos. Un cuestionario final de 5 preguntas corregidas, al final de la última lección, valida las competencias adquiridas.
Accesibilidad
Curso accesible para personas con discapacidad: contenido de texto compatible con lectores de pantalla, navegación por teclado y contrastes conformes. Para cualquier necesidad de adaptación, escribe a [email protected].
Precio
Gratis

Contenido del curso

  1. 01 Introducción a los embeddings
  2. 02 El modelo mistral-embed
  3. 03 Similitud semántica
  4. 04 Agrupación por lotes y fragmentación
  5. 05 El modelo codestral-embed
  6. 06 Búsqueda semántica de código
  7. 07 Tipos de datos y dimensiones
  8. 08 Caso de uso: Embeddings de código
  9. 09 Introducción a RAG
  10. 10 Preparar los datos
  11. 11 Crear incrustaciones
  12. 12 Almacén vectorial con FAISS
  13. 13 Recuperación y generación
  14. 14 Canalización RAG completa
  15. 15 RAG correctivo
  16. 16 Self-RAG
  17. 17 RAG adaptativo
  18. 18 Marcos de trabajo RAG: LangChain, LlamaIndex, Haystack