Del curso: Modelos LLM de IA potenciados con contexto: RAG y bases de datos vectoriales
Desbloquea este curso con un periodo de prueba gratis
Únete hoy para acceder a más de 24.900 cursos impartidos por expertos del sector.
Técnicas de RAG: «Graph RAG»
Del curso: Modelos LLM de IA potenciados con contexto: RAG y bases de datos vectoriales
Técnicas de RAG: «Graph RAG»
Una de las técnicas avanzadas de RAG que veremos es la de implementar estos sistemas con un grafo de conocimiento. Esto va a permitir a nuestras aplicaciones acceder a un vasto repositorio de información estructurada para mejorar sus respuestas. El grafo de conocimiento representa la información de forma estructurada, mostrando entidades que van a ser los nodos y relaciones entre estas entidades. Las relaciones van a ser las aristas en un grafo. Las entidades pueden ser objetos, conceptos o ideas y las relaciones indican cómo están conectadas. Por ejemplo, de este texto podríamos obtener este grafo que nos permite inferir respuestas como quién anotó el gol en el minuto 45, por ejemplo. Los grafos de conocimiento en RAG facilitan la recuperación de información relevante. Capturan relaciones que permiten respuestas más coherentes y descubren conexiones no explícitas, además de que, como veremos, vamos a poder combinar datos de distintas fuentes. Veamos ahora una pequeña implementación…
Contenido
-
-
-
-
-
(Bloqueado)
Implementación de RAG simple3 min 54 s
-
(Bloqueado)
Implementación de RAG simple con archivo .cvs3 min 51 s
-
Técnicas de RAG: «Re-ranking»3 min 48 s
-
(Bloqueado)
Técnicas de RAG: «Re-ranking con LLM»1 min 35 s
-
(Bloqueado)
Técnicas de RAG: «Update Chunk Sizes»2 min 5 s
-
(Bloqueado)
Técnica de RAG: «Multi-step Reasoning»1 min 37 s
-
(Bloqueado)
Técnicas de RAG: «Graph RAG»4 min
-
(Bloqueado)
-