RAG Engineering: Construye IA que Conoce tus Datos

Los grandes modelos de lenguaje son extraordinariamente capaces, pero comparten una limitación común: solo conocen lo que estaba en sus datos de entrenamiento. No pueden acceder a los documentos internos de tu empresa, las especificaciones más recientes de tu producto ni los tickets de soporte de ayer. Retrieval-Augmented Generation (RAG) resuelve esto conectando los LLMs a fuentes de conocimiento externas en tiempo de inferencia, permitiéndoles responder preguntas basadas en tus datos reales. Este curso te enseña a diseñar, construir y desplegar sistemas RAG de nivel producción desde cero.

Módulo I — Fundamentos (Lecciones 1-3): Comprende por qué RAG es importante, cómo las limitaciones de los LLMs crean la necesidad de recuperación de conocimiento externo y las tecnologías centrales que lo hacen posible. Aprenderás cómo los embeddings codifican significado en vectores, explorarás el panorama de las bases de datos vectoriales y entenderás las ventajas y desventajas entre servicios gestionados y soluciones autoalojadas.

Módulo II — Pipeline de Datos (Lecciones 4-6): Domina el arte de preparar datos para la recuperación. Procesarás documentos de diversos formatos, implementarás estrategias de chunking que equilibran precisión y contexto, y aplicarás técnicas avanzadas de recuperación que incluyen búsqueda híbrida, re-ranking y filtrado por metadatos para llevar la información correcta al modelo.

Módulo III — Construcción y Avance (Lecciones 7-9): Ensambla pipelines RAG completos usando LangChain y LlamaIndex, luego ve más allá del básico recuperar-y-generar con patrones avanzados como RAG multi-consulta, HyDE, RAG agéntico y sistemas de recuperación específicos para código que entienden lenguajes de programación a nivel estructural.

Módulo IV — Producción y Práctica (Lecciones 10-12): Evalúa tu sistema RAG con métricas rigurosas usando RAGAS y técnicas de LLM-como-juez, luego endurécelo para producción con caché, monitoreo, seguridad y optimización de costos. El curso culmina en un proyecto final práctico donde construyes un sistema de base de conocimiento completo de principio a fin.

Ya seas un ingeniero de ML añadiendo recuperación a tus aplicaciones LLM, un desarrollador backend construyendo búsqueda potenciada por IA, o un fundador técnico prototipando un producto de conocimiento, este curso te da las habilidades prácticas para enviar sistemas RAG que funcionan de manera confiable en el mundo real.