INTERMEDIO · 8 MÓDULOS · 64 LECCIONES

Técnicas avanzadas de RAG

Lleva un sistema RAG más allá de lo básico: búsqueda híbrida, reranking, reescritura de consultas y evaluación, para que tu equipo vea qué cambio mejora de verdad las respuestas.

  1. 01RAG Pipeline Completo (Architecture Overview)8 LECCIONES
    1. Introducción al Módulo: RAG Pipeline Completo
    2. Componentes del RAG Pipeline
    3. Decisiones de Arquitectura RAG
    4. Métricas de Éxito en RAG
    5. Casos de Uso Reales de RAG en Producción
    6. RAG vs Búsqueda Tradicional (Keywords)
    7. Arquitectura Overview: Módulos 2-8
    8. Proyecto: Baseline RAG System
  2. 02Chunking Strategies8 LECCIONES
    1. Introducción a Chunking Strategies
    2. Problemas de Fixed-Size Chunking
    3. Recursive Chunking con LangChain
    4. Cápsula 04: Semantic chunking · chunks que respetan el cambio de tema
    5. Cápsula 05: Structural chunking · respetar las unidades naturales del contenido
    6. Cápsula 06: Chunk overlap · el seguro contra respuestas partidas a la mitad
    7. Cápsula 07: Decision framework · qué chunking strategy elegir
    8. Proyecto: Chunking Strategy Optimizer
  3. 03Query Optimization8 LECCIONES
    1. Introducción a Query Optimization
    2. Cápsula 02: Por qué la query del usuario casi nunca es la query óptima
    3. Cápsula 03: Query expansion · cuando una query no es suficiente
    4. Cápsula 04: Query rewriting · transformar la query antes de buscar
    5. Cápsula 05: Query decomposition · cuando una pregunta son varias preguntas
    6. Cápsula 06: HyDE · buscar con la respuesta hipotética en lugar de la pregunta
    7. Cápsula 07: Decision framework · qué técnica de query optimization elegir
    8. Proyecto: Query Optimizer System
  4. 04Re-ranking — la segunda etapa que transforma retrieval mediocre en excelente8 LECCIONES
    1. Módulo 4: Re-ranking · la segunda etapa que transforma retrieval mediocre en excelente
    2. Cápsula 02: Cosine similarity es buena, no perfecta · el límite que justifica re-ranking
    3. Cápsula 03: Cross-encoder re-ranking · la opción default que casi siempre gana
    4. Cápsula 04: LLM-based re-ranking · la opción cara cuando 3% de precision extra justifica el costo
    5. Cápsula 05: Cohere Rerank API · la opción managed cuando no quieres mantener modelos
    6. Cápsula 06: Trade-offs y optimizaciones operativas del re-ranking
    7. Cápsula 07: Decision framework · qué reranker elegir y cuándo
    8. Cápsula 08: Proyecto integrador · sistema de re-ranking con A/B testing
  5. 05Hybrid Search — combinando keyword + semantic para queries que necesitan ambas8 LECCIONES
    1. Módulo 5: Hybrid Search · combinando keyword + semantic para queries que necesitan ambas
    2. Cápsula 02: Por qué semantic search solo no alcanza · los modos de falla concretos
    3. Cápsula 03: BM25 · el algoritmo clásico que sigue ganando para keywords exactos
    4. Cápsula 04: Reciprocal Rank Fusion · la fórmula simple que combina rankings de cualquier origen
    5. Cápsula 05: Weighted hybrid blending · cuando una señal es claramente mejor que la otra
    6. Cápsula 06: Elasticsearch · hybrid search a escala de producción
    7. Cápsula 07: Decision framework · qué estrategia de hybrid search elegir
    8. Cápsula 08: Proyecto integrador · hybrid search engine con A/B testing
  6. 06Metadata Filtering — el componente que casi nadie implementa primero pero todos terminan necesitando8 LECCIONES
    1. Módulo 6: Metadata Filtering · el componente que casi nadie implementa primero pero todos terminan necesitando
    2. Cápsula 02: Pre-filter vs post-filter · la decisión arquitectónica que define todo el módulo
    3. Cápsula 03: Diseño de metadata schema · la decisión que tu yo del futuro va a agradecer (o maldecir)
    4. Cápsula 04: Where clauses en ChromaDB · la sintaxis completa de filtros
    5. Cápsula 05: Multi-tenant isolation · convertir el aislamiento en regla de plataforma
    6. Cápsula 06: Time-based y tag filtering · los dos filtros más operacionales
    7. Cápsula 07: Integración con hybrid search · el patrón "estado del arte" final
    8. Cápsula 08: Proyecto integrador · Metadata-Filtered RAG end-to-end
  7. 07Production con Pinecone — la migración de "demo funcional" a "servicio 24/7"8 LECCIONES
    1. Módulo 7: Production con Pinecone · la migración de "demo funcional" a "servicio 24/7"
    2. Cápsula 02: Los límites concretos de ChromaDB en producción
    3. Cápsula 03: Setup de Pinecone serverless · tu primer índice listo para producción
    4. Cápsula 04: Migración ChromaDB → Pinecone · sin perder datos ni romper queries
    5. Cápsula 05: Namespaces de Pinecone · el aislamiento multi-tenant nativo y por qué es mejor que metadata filtering
    6. Metadata Filtering en Pinecone
    7. Benchmarking y Costos: ChromaDB vs Pinecone
    8. Proyecto: Production RAG System con Pinecone
  8. 08RAG Evaluation + Proyecto Integrador8 LECCIONES
    1. Introducción al Módulo: RAG Evaluation
    2. Fundamentos de RAG Evaluation
    3. Métricas Core de RAGAS
    4. Golden Dataset y Ground Truth para RAG
    5. Pipeline Automatizado de Evaluation
    6. Regression Testing y Thresholds de Calidad
    7. CI/CD de Evaluación con GitHub Actions
    8. Proyecto Final: Advanced RAG System Evaluado
Reseñas

Lo que dicen los estudiantes

Estas reseñas son de estudiantes inscritos que completaron al menos el 50% del curso. Moderamos las reseñas solo por motivos de contenido (spam, lenguaje ofensivo, datos personales), nunca por ser críticas o negativas.

Aún no hay reseñas aprobadas.

¡Sé el primero en compartir tu experiencia!

SEC. 06 · EL ESTUDIO

Por qué existe este estudio

Durante décadas, construir software fue cosa de perfiles técnicos con años de formación, y llevar un producto digital a la vida real le tomaba a las empresas meses o años. El no-code y la inteligencia artificial han acortado esa brecha, pero el conocimiento sigue en manos de unos cuantos.

Tech Benders existe para abrir ese conocimiento, para que los equipos de negocio y los perfiles no técnicos puedan poner sus ideas en producción con las decisiones técnicas correctas detrás. La IA hace lo que le pides. Sin una base técnica, lo que construye puede no escalar con el ecosistema de tu empresa, y sus costos se disparan con el tiempo.

El equipo conoce los dolores de las organizaciones grandes y la velocidad a la que tienen que moverse. Trae arquitectura de soluciones, ingeniería de datos, producto construido de punta a punta, del backend al frontend, y trabajo diario con IA. Software que resuelve lo que necesitas en días, no en meses, con los costos de la IA bajo control.

Fundadores

El estudioConoce Tech Benders →

Escríbenoshi@techbenders.io

Hecho con Wislab