Información del curso

Lleva tu asistente más allá de la búsqueda por parecido: construye un grafo de conocimiento en Neo4j, extrae entidades y relaciones con un modelo local, combina búsqueda vectorial, por palabras y por grafo, reordena con un reranker y evalúa con preguntas propias si cada mejora merece la pena. Cada tema tiene teoría, práctica real y cuestionario.

Duración estimada: 20 horas. Nivel: avanzado. Requisitos: curso Intermedio de este itinerario (o experiencia con Docker, Python, Ollama y Qdrant), 16 GB de RAM y 25 GB libres.

8 temas · 16 lecciones · 40 preguntas de práctica · examen final

Temario

1. Por qué grafos: los límites del RAG vectorial — Entiende qué preguntas resuelve mal la búsqueda por parecido y qué aporta un grafo de conocimiento.
   • Qué es un grafo de conocimiento
   • Preguntas de varios saltos y GraphRAG
   • Cuestionario del tema (5 preguntas)
2. Neo4j en Docker y Cypher básico — Instala Neo4j Community en Docker y aprende a crear, consultar y borrar datos con Cypher.
   • Instalar Neo4j con Docker
   • Cypher: crear y consultar
   • Cuestionario del tema (5 preguntas)
3. Modelar tus documentos como grafo — Diseña etiquetas y relaciones, y carga la estructura de tus documentos (norma, capítulo, artículo, fragmento) desde Python.
   • Diseñar el modelo de datos
   • Cargar la estructura desde Python
   • Cuestionario del tema (5 preguntas)
4. Extraer entidades y relaciones con IA — Usa un modelo local con salida JSON para extraer entidades y relaciones, y controla su calidad.
   • Extracción con salida estructurada
   • Normalizar entidades y medir la extracción
   • Cuestionario del tema (5 preguntas)
5. Vectores dentro del grafo — Guarda embeddings en los fragmentos de Neo4j, crea un índice vectorial y combina búsqueda y grafo en una sola consulta.
   • Índice vectorial en Neo4j
   • Búsqueda vectorial más expansión en una consulta
   • Cuestionario del tema (5 preguntas)
6. Recuperación híbrida y expansión ponderada — Combina palabras clave, vectores y grafo con RRF y pesos por tipo de relación.
   • Fusión de tres fuentes
   • Pesos por tipo de relación
   • Cuestionario del tema (5 preguntas)
7. Rerankers: reordenar con precisión — Entiende la diferencia entre bi-encoder y cross-encoder y añade un reranker local que puntúa la confianza.
   • Qué es un reranker y cómo funciona
   • Umbral de confianza y abstención
   • Cuestionario del tema (5 preguntas)
8. Evaluar GraphRAG frente al RAG simple — Mide cobertura, abstención y coste de cada variante para decidir con datos si el grafo compensa.
   • Métricas de recuperación y de respuesta
   • Decidir y documentar
   • Cuestionario del tema (5 preguntas)

Cómo se aprueba y qué obtienes

• Cada lección: teoría, práctica paso a paso (en vídeo cuando esté publicado) y comprobación.
• Cuestionario por tema y examen final: se aprueba con un 7 sobre 10 y puedes repetirlo.
• Insignia verificable al completar el curso, para compartir en LinkedIn.
• Certificado de aprovechamiento en PDF con código de verificación: incluido en el curso. No es una titulación oficial.

🔒 Curso de pago: 48,99 € (certificado incluido). Comprar este curso · o toda la academia por 149 €/año. El acceso se abre solo en cuanto se confirma el pago.