RAG en grafos: El poder de los LLMs en datos conectados

Prepárate para conocer más sobeen el mundo de los LLMs y el Retrieval Augmented Generation (RAG).
Esta vez, vamos a combinar lo mejor de dos mundos: la potencia de las bases de datos de grafos y la flexibilidad de los modelos de lenguaje. Y para hacerlo más interesante, usaremos datos de The Legend of Zelda como nuestro conjunto de prueba.

En este video, descubrirás:
🧠 El poder del RAG y cómo está revolucionando la IA generativa
🕸️ Por qué las bases de datos de grafos son clave para manejar datos complejos e interconectados
🐍 Cómo implementar todo esto en Python, paso a paso

Playlist de LLMs:    • Large Language Models  
Video de neo4j:    • Bases de datos de grafos - Neo4j  
Video de prompt engineering:    • Prompt Engineering | Interactuando con Mod...  
Video sobre RAG:    • MEJORES y BARATOS: Cómo es que RAG está re...  
Repositorio: https://feregri.no/graph-rag

APÓYAME:
Únete al canal y disfruta de beneficios:    / @feregri_no  
Cómprame un cafecito: https://www.buymeacoffee.com/feregrino

SOCIALES:
  / feregri_no  
  / feregri_no  
https://twitch.com/feregri_no
  / feregri_no  
https://github.com/fferegrino
https://kaggle.com/ioexception
https://feregri.no

TIMESTAPMS:
00:00:00 Introducción
00:05:20 RAG "Clásico"
00:07:45 Introducción RAG en Grafos
00:10:12 RAG en Grafos a detalle
00:15:00 Partes clave de Graph-RAG
00:16:23 Introducción al demo
00:17:18 La base de datos de grafos
00:21:58 Descripción de nuestros datos
00:25:22 Introducción al código
00:33:29 Claves de la base de datos
00:35:35 Conectándonos con Python
00:37:34 Convirtiendo de texto a query
00:40:42 Texto a query en código
00:49:24 Generación de texto con un LLM
00:52:23 Generación de respuesta en código
00:59:47 Revisitando Graph-RAG
01:01:06 Demostración completa
01:03:38 Ventajas de Graph-RAG
01:05:14 Desventajas de Graph-RAG
01:09:06 Otros tipos de RAG
01:10:00 Despedida