La búsqueda vectorial es un método utilizado en la recuperación de información y el aprendizaje automático para encontrar elementos similares basados en sus representaciones matemáticas como vectores. En este enfoque, cada elemento se representa como un vector de alta dimensión, y cada dimensión corresponde a un rasgo o característica del elemento. Luego, los algoritmos de la búsqueda vectorial comparan estos vectores para encontrar elementos similares, como el hecho de tener características similares o estar muy juntos en el espacio vectorial. Siga leyendo aquí.
Hoy os anuncio la incorporación de un nuevo curso en nuestro catálogo: Desarrollo de asistentes virtuales con RAG. ¡Recien salido del horno y con un precio promocional muy reducido! (plazas limitadas).
Se trata de un curso abierto a todo el que quiera iniciarse en el desarrollo de asistentes virtualesutilizando IA generativa y el patrón común RAG (Retrieval Augmented Generation). Utilizaréis Python, Jupyter Notebooks y Streamlit para el desarrollo de la solución que servirá de ejemplo y que iréis implementando paso a paso.
Aprenda a diseñar agentes de IA escalables y autónomos que combinen razonamiento, búsqueda vectorial e integración de herramientas utilizando LangGraph.
En este artículo, discutiré el uso de un LLM alternativo para la IA generativa. OpenAI es comúnmente utilizado, pero en este artículo os mostraré cómo usarlo y las ventajas de utilizar Ollama.
En el modelo de uso de IA generativa al que estamos acostumbrados, seguimos el siguiente flujo:
Las preguntas de atención al cliente pueden abarcar datos estructurados (pedidos, productos 🗃️), conocimiento no estructurado (docs/FAQs 📚) y otros sistemas integrados (actualizaciones de envío 🚚). En este post vamos a construir un agente de IA compacto que cubre los tres—usando:
🧠 Python + smolagents para orquestar el “cerebro” del agente
🧰 InterSystems IRIS para SQL, Búsqueda Semántica (RAG) e Interoperabilidad (una API de seguimiento de envío simulada)
🌍 Inclusión e Innovación en la Educación 🌍 Nuestro proyecto reimagina el aprendizaje para todos los estudiantes, con un enfoque en la accesibilidad y experiencias interactivas. Diseñado con el objetivo de hacer que la educación sea atractiva e inclusiva, esta herramienta está creada para apoyar a estudiantes de todas las habilidades en el aprendizaje de material complejo de forma intuitiva.
💡 Lo que hace Esta aplicación educativa transforma presentaciones de lecciones en sesiones de estudio interactivas:
InterSystems anuncia la Disponibilidad General de InterSystems IRIS, InterSystems IRIS for Health y HealthShare Health Connect 2024.3
La versión 2024.3 de la plataforma de datos InterSystems IRIS®, InterSystems IRIS® for Health™ y HealthShare® Health Connect ya está disponible de forma general (GA).
Aspectos Destacados de la Publicación
En esta versión, podéis esperar una serie de emocionantes actualizaciones, que incluyen:
Estoy intentando crear una tabla indexada con un campo vectorial para poder buscar por su valor. He estado investigando y descubrí que, para obtener el valor del vector a partir del texto (token), se debe usar un método de Python como el siguiente:
¡Acabo de caer en la cuenta de que nunca terminé esta serie de artículos!
En el artículo de hoy vamos a echar un vistazo a la producción que se encarga de extraer los diagnósticos en CIE-10 más similares a nuestro texto, de tal forma que podamos seleccionar la opción más adecuada desde nuestro frontend.
¿A quién no le ha pasado que está desarrollando un precioso ejemplo usando una imagen de IRIS de Docker y le ha fallado el proceso de generación de la imagen en el Dockerfile porque la licencia con la que se creo la imagen no contiene determinados privilegios?
¡Sí sí! ¡Adelante! No os habéis equivocado, estáis en vuestra querida Comunidad de Desarrolladores de InterSystems en español.
Os preguntaréis a qué viene el título de este artículo, pues muy sencillo, hoy estamos aquí reunidos para honrar al Inquisidor y elogiar la gran labor desempeñada por el mismo.
La semana pasada, el equipo de InterSystems celebró nuestro encuentro mensual de desarrolladores en un nuevo lugar por primera vez. En la oficina de AWS en Boston, en el Seaport, más de 71 asistentes se reunieron para charlar, hacer networking y escuchar las charlas de dos ponentes increíbles. El evento fue todo un éxito; tuvimos el lugar lleno, muchísima participación y preguntas, ¡y asistentes haciendo cola para hablar con nuestros ponentes después!
Jayesh presenta sobre marcos de prueba para Agentic Systems ante un auditorio lleno.
En el artículo anterior vimos cómo construir un agente de IA de atención al cliente con smolagents e InterSystems IRIS, combinando SQL, RAG con búsquedas vectoriales e interoperabilidad.
En ese caso, utilizamos modelos en la nube (OpenAI) para el LLM y los embeddings.
En esta ocasión daremos un paso más: ejecutar el mismo agente, pero con modelos locales gracias a Ollama.
Este tutorial práctico os guía en la creación de un chatbot de IA con Recuperación Aumentada por Generación (RAG) impulsado por la búsqueda vectorial de InterSystems IRIS. Veréis cómo se puede aprovechar la búsqueda vectorial para ofrecer respuestas actualizadas y precisas, combinando las fortalezas de IRIS con la IA generativa.
Año
Open Exchange app
.jpg)