LearnFlat · Aplicaciones de IA (Interdisciplinarias) · IA para Legal y Cumplimiento

IA en E-Discovery

Aplique IA y aprendizaje automático para un descubrimiento electrónico eficiente. Esto incluye la revisión de documentos, la revisión asistida por tecnología (TAR) y la depuración de datos.

IA en E-Discovery

Primeros Pasos con RAG: Conecta la IA a tus Datos Privados

Construcción de sistemas RAG: Conecte AI a sus documentos personalizados

Fundamentos de RAG Local: Chatea con Tus Propios Documentos

Creación de Chatbots RAG para Bases de Conocimiento Empresariales

Conceptos Básicos de Evaluación de RAG: Mida la Calidad de Recuperación con Ragas

RAG con Python: Búsqueda Híbrida, Reranking y Reescritura

Foundations of RAG: Context Engineering y Reranking

Fine-Tuning de Embeddings y RAG para Semantic Search

Introducción a RAG para Codebases y Documentación

Fundamentos de Bases de Datos Vectoriales: Qdrant, Weaviate, y pgvector

Construcción de sistemas RAG: Búsqueda, Reranking y Evaluación

ElasticSearch para Sistemas de Búsqueda y Recomendación

NotebookLM Foundations: Analiza y Sintetiza Tus Propios Datos con IA

Construcción de Motores de Búsqueda: Recuperación de Información y Minería de Datos

Fundamentos de Bases de Datos Vectoriales con Python, Pinecone y ChromaDB

SDK de Semantic Kernel: Integración de Plugins de IA en Aplicaciones Empresariales

Construyendo búsqueda semántica con incrustaciones de OpenAI y bases de datos vectoriales

Construcción de Motores de Búsqueda y Sistemas de Recuperación de Texto

Evaluando Sistemas de Recomendación: Métricas y Pruebas Offline

Introducción a las Bases de Datos Vectoriales para Aplicaciones RAG

Bases de Datos Vectoriales: Fundamentos de la Búsqueda Semántica y la IA

Primeros Pasos con Embeddings y Bases de Datos Vectoriales

Fundamentos de Bases de Datos Vectoriales con ChromaDB

Fundamentos de NotebookLM: Investigación y Análisis de Documentos con IA