Grafos de Conocimiento para RAG

Introducción

RAG significa generación aumentada por recuperación. Se trata de una técnica que mejora los modelos de lenguaje grandes (LLM) al proporcionarles información externa (propia) para aumentar su precisión y capacidad de respuesta. Es decir que un RAG permite comnbinar tus propios datos con un LLM y en lugar de enviarle las preguntas directamente, las complementa con esa información relevante de tus fuentes, lo que le permite generar mejores respuestas ya que están contextualizadas con tus datos.

Cómo usar la Inteligencia Artificial para desarrolladores: 5 herramientas esenciales

Cómo usar la Inteligencia Artificial para desarrolladores: 5 herramientas esenciales

Introducción

En el mundo de la programación, las herramientas de inteligencia artificial generativa están revolucionando el desarrollo de software de la misma manera que lo hicieron en su momento Google, Stack Overflow y GitHub. Aunque estas tecnologías no sustituirán a los desarrolladores, sí tienen la capacidad de multiplicar su productividad y su creatividad. En Taniwa llevamos más de 12 años realizando desarrollos software complejos y desde hace algún tiempo, hemos integrado estas soluciones en nuestro flujo de trabajo con resultados sorprendentes.

Montar un sistema RAG para chatear con tus datos: Puntos a tener en cuenta

No es todo tan fácil como parece

En taniwa trabajamos en muchos proyectos de IA y Machine Learning. Lo importante siempre son los datos y el cariño que pongas a los detalles. Osea, que la tecnología no suele ser el problema principal sino cómo te organices, cómo cuides los datos, cómo los consigues y cómo los presentas.

Montar una demo de un sistema RAG (Retrieval Augmented Generation) con los datos de la empresa es directo; son 5 minutos:

Ray RLlib: Aprendizaje por Refuerzo

Introducción

En este último post de la serie sobre el framework Ray vamos a profundizar en el uso de su librería RLlib (Reinforcement Learning Library) para entrenar algoritmos de aprendizaje por refuerzo en entornos simulados y reales y como utilizar toda la potencia de Ray para entrenarlos, tunearlos y servirlos.

Ray es un framework de Python que permite la ejecución de aplicaciones Python en paralelo y de forma distribuida. Está diseñado principalmente para ser usado en aplicaciones de Machine Learning y AI, pero también se puede usar en cualquier aplicación Python que requiera computación distribuida.

Ray: Plataforma de Machine Learning II

Introducción

Ray es un framework de Python que permite la ejecución de aplicaciones Python en paralelo y de forma distribuida. Está diseñado principalmente para ser usado en aplicaciones de Machine Learning y AI, pero también se puede usar en cualquier aplicación Python que requiera computación distribuida.

En el blog anterior Cluster Ray vimos como desplegar un cluster de Ray en una sola máquina con Dockers (Docker Compose) y explicamos por encima las distintas partes del framework: Ray Data, Ray Train, Ray Tune, Ray Serve y como se puede usar ésta última, Ray Serve, para servir un modelo de Hugging Face que traducía textos del inglés al francés.

Qué conceptos debería dominar un experto en datos e IA

Qué conceptos debería dominar un experto en datos e IA

En taniwa, somos expertos en el tratamiento de datos y la aplicación de modelos de IA para resolver problemas de negocio.

Pero lo mismo dicen cientos de empresas en el sector, así que mostrar qué nos diferencia es clave para trabajar con los clientes adecuados.

• No nos diferencia el discurso.
• Sí nos diferencia el conocimiento profundo de determinados conceptos.
• Sí nos diferencian los proyectos que hemos hecho y los resultados que hemos obtenido.

Trabajar con chatGPT, conectarse a un API de IA, o hacer un modelo de Machine Learning es algo que está al alcance de cualquiera. Tiene valor, hay qué saber, pero el trabajo fino para resolver problemas de negocio reales va a estar en los detalles.