Curso libreInteligencia artificial y datos
Búsqueda semántica y bases vectoriales
El curso Búsqueda semántica y bases vectoriales proporciona al estudiante las técnicas para construir buscadores que entienden el significado de las consultas con embeddings y bases de datos vectoriales como Chroma, pgvector o Qdrant. Le sirve como base para asistentes con conocimiento propio y sistemas RAG, con búsqueda híbrida y evaluación de la calidad de recuperación.
A quién va dirigido
Desarrolladores y analistas con Python intermedio.
Objetivos
✓Comprender la representación vectorial del significado, la similitud del coseno y los modelos multilingües de sentence-transformers.
✓Analizar el funcionamiento de los índices aproximados HNSW, los metadatos, los filtros y la indexación incremental.
✓Aplicar búsqueda híbrida combinando BM25 y vectores, fusión de resultados y reordenamiento con cross-encoder.
✓Diseñar un buscador semántico con interfaz en Streamlit sobre un repositorio documental propio.
✓Evaluar la calidad de la búsqueda con recall@k y MRR y valorar su costo y rendimiento.
Plan de estudios por sesión
1
EmbeddingsRepresentación vectorial del significado y modelos multilingües con sentence-transformers · Similitud del coseno, producto punto y fragmentación de documentos
2
Bases de datos vectorialesÍndices aproximados HNSW y Chroma, Qdrant y pgvector · Metadatos, filtros e indexación incremental
3
Búsqueda híbrida y reordenamientoBM25 frente a búsqueda vectorial y fusión de resultados · Reordenamiento con cross-encoder y consultas multilingües en español
4
Presentación del proyecto final: buscador semántico con búsqueda híbridaConjunto de consultas de prueba y métricas recall@k y MRR · Interfaz de búsqueda con Streamlit, costos y rendimiento
Evaluación
Inicial30%Generación de embeddings con modelos abiertos y comerciales y comparación de similitudes sobre textos en español.
Intermedio30%Indexación y consulta de documentos en una base vectorial con filtros por metadatos y búsqueda híbrida.
Final40%Proyecto final: buscador semántico sobre un repositorio propio con búsqueda híbrida e informe de evaluación de recuperación, sustentado.
Proyecto final
Buscador semántico sobre un repositorio documental propio con búsqueda híbrida y un informe de evaluación de recuperación.