IBM - Fundamentos de Bases de Datos Vectoriales

Descripción

1) Las bases de datos vectoriales permiten similitud semántica para texto, imágenes y más mediante embeddings.

2) Estudiarás métricas de similitud, esquemas, indexación, particionamiento y consistencia/recuperación.

3) Verás cómo integrarlas en aplicaciones con RAG, agentes y pipelines de IA generativa.

Viñetas (debajo del resumen):
• Elegir métricas (coseno, L2, dot‑product) e índices (IVF, HNSW, PQ).
• Diseñar esquemas y estrategias de actualización.
• Integrar con LLMs para RAG y búsquedas semánticas.

Habilidades:
Embeddings, Búsqueda vectorial, HNSW/IVF/PQ, RAG, LLMs, Diseño de esquemas, Indexación

CURSO 1: Embeddings y similitud
- Conceptos, métricas y normalización.

CURSO 2: Índices y rendimiento
- HNSW, IVF, PQ y trade‑offs.

CURSO 3: Diseño y operaciones
- Esquemas, partición y actualizaciones.

CURSO 4: Aplicaciones con RAG/LLMs
- Patrones, evaluación y seguridad.