Explore la creación de un Agente Local en este tutorial en español de 54 minutos que demuestra la implementación práctica de LangGraph utilizando Vector Store Chroma con embeddings de Nomic.ai y el modelo de lenguaje Llama 3.2 8B instruct en formato GGUF int8. Aprenda paso a paso cómo configurar y desarrollar un sistema RAG (Retrieval Augmented Generation) completamente local, accediendo al código fuente completo a través del repositorio GitHub proporcionado. Domine las técnicas de integración entre LangGraph, Chroma y Ollama para construir aplicaciones de procesamiento de lenguaje natural robustas y eficientes.
Building a Local RAG Agent with LangGraph, LLama 3.2 8B, Chroma, and Ollama
The Machine Learning Engineer via YouTube
Overview
Syllabus
RAG: LangGraph. Crear Agente Local con LLama3.2 8B Chroma y Ollama #datascience #machinelearning
Taught by
The Machine Learning Engineer
Related Courses
-
Building Local Agents with LangGraph, Llama 3.2, and Chroma Vector Store
-
Document Similarity: Langchain, Ollama Mistral 7B, and Chroma in Spanish
-
Open-source LLMs: Uncensored & secure AI locally with RAG
-
RAG: End-to-End Application - Hablando con Datos No Estructurados - Parte 3
-
Langchain: RAG QA Tool with Gemini Pro, Langchain, and Chroma - Spanish Tutorial
-
Llama 2, Ollama and Pinecone: Searching in Vector Stores
