RAG: End-to-End Application - Hablando con Datos No Estructurados - Parte 3
The Machine Learning Engineer via YouTube
Learn Generative AI, Prompt Engineering, and LLMs for Free
NY State-Licensed Certificates in Design, Coding & AI — Online
Overview
Google, IBM & Meta Certificates – 40% Off
One plan covers every Professional Certificate on Coursera.
Unlock All Certificates
Explore la tercera parte de una serie de videos sobre la creación de una aplicación RAG (Retrieval Augmented Generation) de extremo a extremo, centrándose en la configuración de DockerFiles y Docker Compose. Aprenda a implementar un componente RAG que interactúa con diversos tipos de datos no estructurados, incluyendo audio, video, imágenes, PDF, Excel y HTML. Domine el uso de tecnologías clave como Langchain, múltiples modelos LLM (Gemini Pro Fast, Microsoft Phi3.5 Mini y LLama 3.2 3B alojados en Nvidia NIM), varios VectorStores (Elastic, Choma, Faiss y Vilmus) y modelos de embeddings (Gemini y Nvidia). Descubra cómo utilizar Streamlit para la interfaz de usuario y el servidor de aplicaciones, mientras implementa contenedores con Docker y Docker Compose. El código fuente completo está disponible en el repositorio de GitHub proporcionado.
Syllabus
RAG: E2E App. Habla con tu data no estructurada Parte 3 (Español) #machinelearning #datascience
Taught by
The Machine Learning Engineer