Udemy
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
Subscribe
Turn what you know into an opportunity and reach millions around the world.
Learn More
Your cart is empty.
Keep shopping
Bases de Datos Vectoriales para IA Generativa: Fundamentos
Highest Rated
Rating: 4.7 out of 5(11 ratings)
41 students

Bases de Datos Vectoriales para IA Generativa: Fundamentos

Aprende cómo funcionan las BD Vectoriales desde cero
Highest Rated
Created byOscar Fernandez - AprenderBigData.com
Last updated 9/2025
Spanish

What you'll learn

  • Explicar qué es una base de datos vectorial y para qué se usa en IA generativa.
  • Comparar tecnologías populares (como FAISS, Pinecone, Weaviate…).
  • Crear y consultar índices vectoriales usando ejemplos prácticos.
  • Implementar pipelines eficientes de búsqueda por similitud.
  • Optimizar consultas, dimensionamiento y latencia en ambientes reales.
  • Desarrollar scripts de consulta con métricas de calidad/precisión.
  • Aplicar buenas prácticas de gobernanza de datos y escalabilidad.

Course content

4 sections • 17 lectures • 1h 39m total length

  • Introducción a las bases de datos de vectores9:10

    ¿Qué es una base de datos vectorial y para qué sirve?

  • Preparación del entorno10:09
  • Primeros vectores10:22

    Crea tu primer índice

  • Hello world con Milvus8:29
  • Hello world con Qdrant7:49
  • Consultas básicas6:29

    Hacer búsquedas y medir similitud de embeddings

  • Evaluación de métricas5:52
  • Cuestionario Módulo 1

Requirements

  • Conocimiento básico de bases de datos relacionales o NoSQL.
  • Familiaridad con Python (o similar).
  • Interés en IA generativa (no necesario experiencia previa).
  • Acceso a un entorno local o cloud donde ejecutar código Python.

Description

Con este curso aprenderás los conceptos más importantes de las bases de datos vectoriales, una pieza clave en el ecosistema de la inteligencia artificial generativa y en aplicaciones modernas como chatbots inteligentes, sistemas de recomendación o motores de búsqueda semántica.

El curso combina teoría y práctica de manera equilibrada para que adquieras un conocimiento sólido y funcional. En las secciones teóricas descubrirás cómo funcionan los embeddings, qué son las métricas de similitud, cómo se estructuran los índices vectoriales y cuáles son las tecnologías más utilizadas actualmente (FAISS, Pinecone, Weaviate, entre otras).

En las secciones prácticas pondrás manos a la obra desde el primer módulo: instalarás tu propio entorno, crearás índices vectoriales, ejecutarás consultas de similitud, medirás precisión con métricas como precision@k y MRR, y aprenderás a escalar tu solución con técnicas de batching y sharding. Además, implementarás un pipeline completo de recuperación y generación para que puedas integrar esta tecnología en aplicaciones reales de IA.

Cada módulo incluye un plan de acción con tareas concretas, así como cuestionarios y ejercicios de codificación para reforzar lo aprendido. Al finalizar, no solo entenderás los fundamentos, sino que tendrás un buscador vectorial implementado por ti mismo.

Este curso está diseñado para profesionales del dato, desarrolladores, científicos de datos o estudiantes que quieran dar un paso adelante y dominar una tecnología que ya está transformando la forma en que interactuamos con la información.

¡Nos vemos dentro del curso!

Who this course is for:

  • Analistas y desarrolladores que quieren incorporar búsqueda por embeddings o vectorial.
  • Profesionales de data/ML que desean optimizar pipelines con bases de datos modernas.
  • Arquitectos de datos que buscan implementar soluciones eficientes y escalables para IA.
  • Estudiantes o ingenieros curiosos por nuevos enfoques de almacenamiento y recuperación de información.

Report abuse