ai
Recursos prácticos sobre ai para ingenieros de software.
47 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.
Guía Completa de Evaluación de LLM
Evalúa aplicaciones LLM en producción: RAGAS, LLM-as-judge, detección de alucinaciones, evaluación...
Guía Completa de Prompt Engineering para LLMs
Escribe prompts fiables para LLMs: patrones, few-shot, chain-of-thought, grounding con RAG,...
Guía Completa de Seguridad en LLMs
Manual práctico para asegurar apps LLM en producción: inyección de prompts, jailbreaks, fuga de...
Despliegue Local de LLM: Ollama, vLLM y llama.cpp
Desplegá modelos grandes de lenguaje localmente y on-premise. Cubre Ollama, vLLM, llama.cpp,...
Guía de la API de OpenAI con ejemplos en Python
Guía de producción de la API de OpenAI: Responses API, chat completions, streaming, function...
Guía Completa de RAG en Producción
Lleva RAG a producción: estrategias de chunking, elección de vector store, recuperación híbrida,...
Bases de Datos Vectoriales: Embeddings y Búsqueda Semántica
Construye tu primer pipeline de búsqueda vectorial: embeddings, índices ANN, similitud con pgvector...
No se encontraron resultados.