RAG: End-to-End Application - Hablando con Datos No Estructurados - Parte 3
The Machine Learning Engineer via YouTube
Overview
Explore la tercera parte de una serie de videos sobre la creación de una aplicación RAG (Retrieval Augmented Generation) de extremo a extremo, centrándose en la configuración de DockerFiles y Docker Compose. Aprenda a implementar un componente RAG que interactúa con diversos tipos de datos no estructurados, incluyendo audio, video, imágenes, PDF, Excel y HTML. Domine el uso de tecnologías clave como Langchain, múltiples modelos LLM (Gemini Pro Fast, Microsoft Phi3.5 Mini y LLama 3.2 3B alojados en Nvidia NIM), varios VectorStores (Elastic, Choma, Faiss y Vilmus) y modelos de embeddings (Gemini y Nvidia). Descubra cómo utilizar Streamlit para la interfaz de usuario y el servidor de aplicaciones, mientras implementa contenedores con Docker y Docker Compose. El código fuente completo está disponible en el repositorio de GitHub proporcionado.
Syllabus
RAG: E2E App. Habla con tu data no estructurada Parte 3 (Español) #machinelearning #datascience
Taught by
The Machine Learning Engineer