Bases de Datos · BBD-170

Bases de datos vectoriales para IA

Almacenar embeddings e indexarlos para búsqueda semántica, la pieza que sostiene cualquier sistema RAG.

Bajo demanda Avanzado 7 módulos · 28 clases

Formato asíncrono Desarrollo, Ingeniería / Industria Qdrant, Chroma, PostgreSQL

IA DATOS

Lo que aprenderás

Generar embeddings de texto y comprender qué distancia mide cada métrica de similitud.
Crear colecciones en Qdrant con esquema de carga útil, filtros y control de versiones.
Comparar Chroma, Qdrant y pgvector según volumen, filtrado y necesidades de operación.
Ajustar índices HNSW moviendo parámetros y midiendo el intercambio entre exhaustividad y latencia.
Combinar búsqueda densa con búsqueda léxica y reordenar los resultados con un reranker.
Evaluar la recuperación con un conjunto de preguntas y métricas de acierto en las primeras posiciones.

Contenido del curso

7 módulos · 28 clases en vídeo · práctica guiada en cada módulo

Módulo 1 · Vectores y similitud 4 clases

De texto a embedding: qué representa el vector
Coseno, producto escalar y distancia euclídea
Dimensionalidad, normalización y coste de almacenamiento
Entorno de prácticas con Docker

Módulo 2 · Ingesta y troceado 4 clases

Estrategias de troceado y solapamiento
Metadatos que después se van a filtrar
Actualización e idempotencia de la ingesta
Documentos con tablas, imágenes y estructura

Módulo 3 · Qdrant en detalle 4 clases

Colecciones, puntos y carga útil
Filtros combinados con la búsqueda vectorial
Instantáneas, réplicas y persistencia
Cliente de Python y operaciones por lotes

Módulo 4 · Alternativas y comparación 4 clases

Chroma para prototipos y entornos ligeros
pgvector: vectores dentro de PostgreSQL
Criterios de elección: volumen, filtrado y operación
Migrar una colección de un motor a otro

Módulo 5 · Índices y rendimiento 4 clases

Búsqueda exacta frente a búsqueda aproximada
HNSW: parámetros de construcción y de consulta
Cuantización y reducción de memoria
Medir latencia y exhaustividad en el mismo banco de pruebas

Módulo 6 · Calidad de la recuperación 4 clases

Búsqueda híbrida densa y léxica
Reordenación con modelos de reranking
Conjunto de evaluación y métricas de acierto
Diagnóstico de fallos frecuentes de recuperación

Módulo 7 · Caso práctico 4 clases

Índice sobre documentación técnica interna
Filtrado por producto, versión y permisos
Evaluación comparada de dos configuraciones
Puesta en servicio y mantenimiento del índice

Requisitos

Experiencia con Python y con consumo de APIs.
Conocimiento previo de modelos de lenguaje y del planteamiento general de RAG.
Manejo de SQL y de Docker para levantar los servicios de prácticas.

Descripción

Casi todos los sistemas de recuperación aumentada que fallan lo hacen en el mismo sitio, y no es el modelo de lenguaje: es la recuperación. Fragmentos mal troceados, un índice sin filtros, una métrica de distancia elegida por inercia y ninguna forma de medir si el documento correcto llega o no llega. La base de datos vectorial es donde se decide la calidad de todo el sistema.

El curso se centra ahí. Se levantan Qdrant y Chroma con Docker y se compara con pgvector dentro de PostgreSQL, se cargan colecciones reales, se ajustan los parámetros del índice aproximado y se mide qué se pierde al ganar velocidad. Se trabajan además el filtrado por metadatos, la búsqueda híbrida y la reordenación posterior con un conjunto de evaluación propio.

Al terminar se sabe elegir motor y configuración con argumentos medibles, no por defecto, y se dispone de un procedimiento de evaluación reutilizable. Desde aquí se continúa hacia la construcción completa de asistentes con recuperación, hacia la ingesta automatizada de documentación y hacia el despliegue de estos servicios en producción.

¿Para quién es este curso?

Personas desarrolladoras que ya han montado un prototipo de RAG y quieren que responda bien.
Perfiles de ingeniería de datos responsables de la indexación de documentación técnica.
Equipos de producto que necesitan búsqueda semántica sobre catálogos o bases de conocimiento propias.