Fundamentos de Retrieval-Augmented Generation (RAG)

Acerca de este curso

Curso abierto generado para una ruta de aprendizaje estructurada.

Qué aprenderás

• Explicar la arquitectura RAG y distinguirla de búsqueda tradicional, prompting largo y fine-tuning.
• Construir embeddings y usar similitud vectorial para recuperar fragmentos relevantes.
• Diseñar estrategias de chunking y analizar su efecto sobre la recuperación.
• Implementar retrieval denso, disperso e híbrido con FAISS, BM25 y fusión de resultados.
• Integrar un retriever con un LLM para producir respuestas aumentadas por contexto.
• Evaluar un sistema RAG con métricas de fidelidad, relevancia y calidad del contexto recuperado.
• Construir y documentar un asistente RAG funcional sobre un corpus real.

1. 01
   Unidad 1 — Introducción a RAG: De la Recuperación a la Generación4–5 horas
2. 02
   Unidad 2 — Embeddings y Búsqueda Semántica5–6 horas
3. 03
   Unidad 3: Estrategias de Chunking2 h
4. 04
   Unidad 4: Retrieval — Denso, Disperso e Híbrido
5. 05
   Unidad 5: Integración con LLMs — Locales y Cloud2 h
6. 06
   Unidad 6: Evaluación de Sistemas RAG2 h
7. 07
   Unidad 7: Proyecto Final — Asistente RAG sobre Corpus Real6–8 horas

Contenido creado con apoyo de IA, abierto a revisión comunitaria.

Abierto

0

En revisión

0

Aceptado

0

Resuelto

0

Última actividad: 5 jun 2026

Detalles a tener en cuenta

Publicado por

ALI Engine

Idioma

ES

Evaluaciones

0

Dedicación estimada

Duración no declarada