INTERMEDIO · 8 MÓDULOS · 67 LECCIONES
Fundamentos de bases de datos vectoriales
Entiende cómo funcionan por dentro las bases de datos vectoriales, por qué un sistema RAG necesita una y cómo elegir la correcta para el proyecto de tu equipo.
Temario
01Por qué Vector Databases para AI Engineers
- Módulo 1: Por qué Vector Databases para AI Engineers
- Cápsula 02: El problema de fondo · RAG necesita encontrar 5 docs entre millones en milisegundos
- Por qué SQL/NoSQL no sirven para semantic search
- Por qué numpy/pandas no escalan a producción
- Cuándo SÍ necesitas vector database
- Cuándo NO necesitas vector database
- Trade-offs: Simplicidad vs Performance vs Costo
- Resumen del Módulo 1 y Transición
02Cómo funcionan Vector Databases (Conceptual)
- Módulo 2: Cómo funcionan Vector Databases (Conceptual)
- Cápsula 02: Arquitectura de Vector Databases (3 Capas)
- Cápsula 03: Indexing Algorithms - Overview
- Cápsula 04: HNSW - Hierarchical Navigable Small World
- Cápsula 05: IVF - Inverted File Index
- Cápsula 06: PQ - Product Quantization
- Cápsula 07: Comparación HNSW vs IVF vs PQ - Decision Framework
- Cápsula 08: Por qué esto importa para RAG - Resumen del Módulo
03Features Esenciales para RAG
- Módulo 3: Features Esenciales para RAG
- Cápsula 02: Metadata Filtering (Where Clauses)
- Cápsula 03: Hybrid Search (Keyword + Semantic)
- Cápsula 04: Multi-tenancy (Aislamiento de datos)
- Cápsula 05: Batch Operations · el costo oculto del ingestion ingenuo
- Cápsula 06: Distance Metrics · la decisión geométrica que casi nadie justifica
- Cápsula 07: Observability · qué medir cuando ya nadie debugea con prints
- Cápsula 08: Features Comparison y Resumen del Módulo
04ChromaDB Setup y Configuración
- Módulo 4: ChromaDB Setup y Configuración
- Cápsula 02: ChromaDB Installation y Setup
- Cápsula 03: Collection Configuration · los tres parámetros que casi nadie justifica
- Cápsula 04: Metadata Filtering Implementation · del concepto al código en ChromaDB
- Cápsula 05: Batch Ingestion en ChromaDB · del concepto al pipeline operable
- Cápsula 06: Query Optimization · donde se gana o se pierde la latencia real
- Cápsula 07: Persistence y Durability · qué pasa cuando algo se rompe
- Cápsula 08: Mini-Proyecto - Document Search System
- Cápsula 09: Embeddings con OpenAI · Cuándo cambiar del default
- Cápsula 10: Chunking de documentos · el problema del documento entero
- Cápsula 11: Pipeline RAG end-to-end con ChromaDB
05Landscape de Vector Databases para AI Engineers
- Módulo 5: Landscape de Vector Databases para AI Engineers
- Cápsula 02: Panorama de Proveedores de Vector DB
- Cápsula 03: Managed vs Self-Hosted
- Cápsula 04: Comparación de Features para RAG
- Cápsula 05: Costos y Trade-offs de Selección
- Cápsula 06: Cuándo Elegir Cada Opción
- Cápsula 07: Anti-patrones al Elegir Vector DB
- Cápsula 08: Proyecto - Decision Tree para Elegir Vector DB
06Decision Matrix para AI Engineers
- Módulo 6: Decision Matrix para AI Engineers
- Cápsula 02: Requisitos y Criterios de Decisión
- Cápsula 03: Pesos, Scoring y Metodología de la Matriz
- Cápsula 04: Matriz de Decisión Práctica
- Cápsula 05: Análisis de Costos y ROI
- Cápsula 06: Recomendación por Escenarios
- Cápsula 07: Casos de Elección Real
- Cápsula 08: Proyecto - Cuestionario de Decisión
07Production Considerations para RAG
- Módulo 7: Production Considerations para RAG
- Cápsula 02: Estrategias de Escalado
- Cápsula 03: Monitoring y Observabilidad para Sistemas RAG
- Cápsula 04: Backup y Disaster Recovery
- Cápsula 05: Seguridad para Sistemas RAG
- Cápsula 06: Optimización de Costos y Rendimiento para RAG
- Cápsula 07: Migración sin Downtime (ChromaDB → Pinecone)
- Cápsula 08: Proyecto - Production Readiness Checklist
08Proyecto Integrador RAG con ChromaDB
- Módulo 8: Proyecto Integrador RAG con ChromaDB
- Cápsula 02: Arquitectura del Proyecto
- Cápsula 03: Pipeline de Ingestion para 1,000+ documentos
- Cápsula 04: Retrieval, Generation y API
- Cápsula 05: Testing y Evaluación
- Cápsula 06: Observabilidad y Deployment
- Cápsula 07: Hardening Final
- Cápsula 08: Proyecto - RAG Production-Ready
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!