Nivel Intermedio
31 clases
3 horas de contenido
10 horas de práctica
Descubre cómo la inteligencia artificial interpreta el lenguaje humano a través de potentes modelos de embeddings. Aprende a transformar documentos de texto en vectores y a almacenarlos en bases de datos vectoriales como Chroma y Pinecone. Conoce cómo los LLMs y otros modelos de NLP pueden acceder a esta información para potenciar tus aplicaciones.
Clases del curso
Creación de embeddings
Usando embeddings preentrenados
Bases de datos vectoriales
Conclusiones
Profes del curso
Conoce quién enseña el curso
Proyecto del curso
Buscador semántico de películas
Desarrolla un buscador que funciona con una base de datos vectorial, la cual almacena información en forma de embeddings de veinticinco mil películas. Utiliza búsqueda semántica y potencia tus habilidades con este proyecto de machine learning.
Ver proyectoconocimientos previos
- Programación en Python.
- Uso de APIs.
- Manipulación y transformación de datos con Pandas y Numpy.
- Uso de Google Colab o Jupyter Notebooks.
- Fundamentos de bases de datos.
- Consumo de modelos de la API de OpenAI.
- Uso de modelos del hub de Hugging Face.
- Operación de vectores de álgebra lineal.
software y recursos necesarios
- Jupyter Notebook, Google Colab, Deepnote, etc.
- Python 3.6+
- Cuenta y API Key de OpenAI.
Opiniones del curso
4.8 · 79 opiniones
Gabriel Henao
@gabreduhenao·
Excelente curso. Resolvió muchas de mis dudas respecto al uso de embeddings y bases de datos vectoriales que no encontré en ninguna otra fuente de información. Gracias por el curso.
Jovanny Delgado
@jovannydelgado·
Como potenciar los LLMs con el uso de Embeddings
Jason Sepulveda
@jasonssdev·
Un buen curso, bastante bueno, el codigo esta desactualizado, pero si lees la documentacion puedes ir corrigiendolo, o puedes encontrarlo en mi github -> jasonssdev/platzi-embeddings
@juan.carlos.gonzalez·
good, very good
@cgonzalezv·
Excelente conocimiento del profesor y excelente material para seguir las diferentes partes del manejo de bd vectoriales y búsqueda semántica
Juan Camilo Torres Salas
@torressalasjc·
Muy buen docente, explica muy bien, hace entender cosas que pueden ser complejas con una facilidad que asombra.
Oscar Correcha
@oecorrechag·
Excelente curso, aunque le falta documentación. A pesar de eso, es un curso excepcional
Gerson Gómez Giraldo
@giraldogomez2017·
excelente
@orgon.me·
tercer dia de maraton aprendizaje, los maestros muy bien gracias.....
Emmanuel Maya Molina
@emayaml·
Que cursote, a emprender
Carlos Perilla
@carlos7736·
Un curso muy ilustrativo de Embeddings, el corazón del procesamiento de lenguaje que manejan los modelos actuales de LLM
Federico Arias
@f_ariassuarez·
excelente!!
Cristian Percivati
@cpercivatif·
Muy buena introducción general, tanto para los embeddings como para las bases de datos vectoriales. Por supuesto, el material teórico se puede ampliar.
german mauricio neira vargas
@mauricio830715·
Me facilito bastante el comprender que son los embeddings y como usarlos dentro de los modelos IA
Daniel Hernandez
@danhergir·
Me encantó este curso, muy completo y con muchas cosas que aprender
Norberto Vera Reatiga
@Noverea·
Los embeddings y las bases de datos vectoriales potencian las capacidades de NLP, permitiendo a los sistemas entender y procesar el lenguaje humano de manera más efectiva, realizar búsquedas semánticas eficientes, y escalar para manejar grandes volúmenes de datos, todo lo cual es crucial para el desarrollo y la implementación de aplicaciones avanzadas de NLP, excelente trabajo del profesor en la transmisión de este contenido, Muchas gracias!
Diana Loboa
@Diana_Coco·
Excelente explicacion, a detalle comence con un proyecto de scraping de un canal de youtube para poner en practica pandas , y continue con el proyecto aqui , relizando el formato y obteniendo la mayor candidad de metadata. y va genial
Duilio Sotelo
@duilio-sotelo·
lo explico muy facil
Horacio Licona González
@horaciolicona0711·
Excelente profesor y muy nutritivo el curso
Fernando Castrillón
@fernandocastrillon500·
Me parece que es el mejor curso para empezar en inteligencia artificial usando texto.
Oscar Javier Perez
@oscar-javier-perez·
El curso es muy completo y el mejor que he tomado en Platzy. Recomiendo que lo tomen con calma y desarrollando los ejercicios. El único "pero" ha sido que en Pinecone no pude replicar los ejercicios, pues en la clase se muestra que Pinecone nos arroja un entorno, pero al hacerlo no se obtuvo (vi en los comentarios que también le pasó a otras personas).
Juan David Aguirre
@Juan_D_Aguirre·
Excelente curso. Muy buen contenido. Mucho aprendizaje. Muy buen profesor.
Eduardo Toledo
@eduardo.toledo·
Lo mas sorprendente es la coherencia en cada una de las exposiciones. Este curso me acelero mi inicial conocimiento
Jose Martin Rangel Espinoza
@mr_infamous·
Excelente curso, prácticamente de aquí se podría obtener una gran funcionalidad para implementar dentro de cualquier proyecto que maneje grandes cantidades de información a consultar.
Marco Antonio Molina Espinosa
@mmolina194·
Excelente
Ronal Patricio Requena Cisneros
@patricio.requena·
Las explicaciones fueron bastante didácticas y fue fácil entender lo que sucede detrás del código para la creación de embeddings.
Franco Joel Medina
@francomedin·
Que buen curso! Super actual y con contenido práctico en cada video. Lo termino con muchas ganas de aplicar lo aprendido en los próximos días. pd: Streamlit > Gradio
Aaron Jimenez
@Aj2.1·
Los conceptos son un poco dificiles de seguir, pero con la practica y el proyecto se explican bien.
Jerson David Puentes Sanchez
@JersonPuentes·
Comprender cómo funcionan los embeddings y su utilidad
Henry Albert Cerpa Marquez
@henrycerpam·
Excelente, bien explicado los conceptos
Comunidad
La comunidad es nuestro super poder
Contenido adicional creado por la comunidad que nunca para de aprender