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