ai
Recursos prácticos sobre ai para ingenieros de software.
48 resultados
Integrando IA y Machine Learning
La inteligencia artificial ha pasado de laboratorios de investigación a pipelines de producción. Los LLMs, bases de datos vectoriales y búsqueda basada en embeddings son ahora herramientas estándar para construir aplicaciones inteligentes que entienden contexto y generan contenido.
Explora recetas para construir pipelines RAG, fine-tuning de modelos, ingeniería de prompts e implementación de búsqueda semántica. Cada ejemplo se enfoca en integración práctica en lugar de teoría, con código que puedes adaptar a tus propios datos y casos de uso.
Evaluación de LLM
Evaluar aplicaciones LLM en produccion. Cubre RAGAS, LLM-as-judge, evaluacion humana, A/B testing,...
LLM Prompt Engineering
Escribe prompts efectivos para modelos de IA. Cubre patrones de prompts, few-shot learning,...
Seguridad LLM
Asegurar aplicaciones LLM en produccion. Cubre prompt injection, jailbreaks, data leakage, OWASP...
Despliegue Local de LLM
Desplegar LLMs localmente y on-premise. Cubre Ollama, vLLM, llama.cpp, LM Studio, quantization de...
Referencia Detallada del OpenAI API
el OpenAI API en produccion. Cubre chat completions, streaming, function calling, structured...
RAG en Producción
Construir sistemas RAG en produccion. Cubre estrategias de chunking, modelos de embedding, vector...
Vector Databases
Comparar y usar vector databases en produccion. Cubre Pinecone, Weaviate, Chroma, pgvector, Milvus...
Bases de Datos Vectoriales
Guia practica de bases de datos vectoriales: embeddings, busqueda por similitud, vecinos...
No se encontraron resultados.