Saltar al contenido principal
IAAcademy
CursosRutasCarrerasPrácticaHerramientasProyectos
Mi progresoMi portfolio
IAAcademy

Plataforma educativa 100% gratuita dedicada a democratizar el acceso al conocimiento y las herramientas de Inteligencia Artificial.

Aprender

  • Cursos
  • Rutas de aprendizaje
  • Proyectos prácticos
  • Diccionario de IA

Carrera

  • Centro de Carreras de IA
  • Laboratorio de Práctica
  • Misiones del Mundo Real
  • Búsqueda de Empleo
  • Entrevista con IA
  • Armar mi CV con IA

Recursos

  • Herramientas de IA
  • Biblioteca de prompts
  • Comparar herramientas
  • Noticias de IA
  • Análisis de Aprendizaje
  • Repaso inteligente
  • Roadmap

Cuenta

  • Mi progreso
  • Certificados
  • Iniciar sesión
  • Crear cuenta

Institucional

  • Quiénes somos
  • Contacto

Legal

  • Privacidad
  • Términos y condiciones
  • Cookies
  • Aviso legal

© 2026 IA Academy. Contenido educativo, sin afiliación oficial con las herramientas mencionadas.

Hecho para aprender IA de verdad, no solo a usarla.

InicioCursosRAG y Bases de Conocimiento
AvanzadoRAG y Datos

RAG y Bases de Conocimiento

El curso definitivo sobre Retrieval-Augmented Generation: embeddings, bases de datos vectoriales y cómo construir un asistente que responde con tus propios documentos.

8 h estimadas 4 módulos · 6 leccionesActualizado el 22 de agosto de 2026
Herramientas:Clauden8n

Objetivos del curso

  • Entender qué problema resuelve RAG y cuándo usarlo.
  • Dividir documentos en fragmentos (chunking) de forma efectiva.
  • Generar y almacenar embeddings en una base de datos vectorial.
  • Evaluar la calidad de un sistema RAG con métricas concretas.

Prerrequisitos

  • Prompt Engineering: Fundamentos y Técnicas
  • Conocimientos básicos de APIs (se explican en el curso).

Contenido del curso

Módulo 1

Por qué RAG

El problema que resuelve: conocimiento actualizado y específico.

  • El límite del conocimiento de un modelo 10 min

Módulo 2

Chunking y Embeddings

Cómo preparar tus documentos para ser buscables por significado.

  • Dividir documentos en fragmentos (chunking) 12 min
  • Generar embeddings de cada fragmento 10 min

Módulo 3

Bases vectoriales y recuperación

Dónde se guardan los embeddings y cómo se buscan.

  • Qué es una base de datos vectorial 9 min
  • El flujo completo de una consulta RAG 10 min

Módulo 4

Evaluación de un sistema RAG

Cómo saber si tu sistema realmente funciona bien.

  • Medir la calidad de las respuestas de un sistema RAG 10 min
Proyecto final

Construir un sistema RAG sobre documentos propios

Aplicá todo el curso construyendo (o diseñando en detalle, si no tenés acceso a infraestructura) un sistema RAG completo sobre un set real de documentos.

  • El diseño completo del pipeline: chunking, embeddings, base vectorial, prompt de generación.
  • Un 'golden set' de al menos 10 preguntas de evaluación con su respuesta correcta.

Desafío adicional: Agregar una estrategia de re-ranking para mejorar la precisión de la recuperación.

Recursos

  • Diccionario de IA: RAG →
Tu progreso en este curso0%
Empezar curso