Miembro desde 2025
Implement Hybrid Search
Earned nov 30, 2025 EST
Implement RAG with Vertex AI
Earned nov 29, 2025 EST
Crea embeddings, búsqueda de vectores y RAG con BigQuery
Earned nov 28, 2025 EST
Deploy a RAG application with vector search in Firestore
Earned nov 27, 2025 EST
Learn how to create Hybrid Search applications using Vertex AI Vertex Search to combine semantic searching with keyword search to return results based on both semantic meaning and keyword matching.
Learn how to build your own Retrieval-Augmented Generation (RAG) solutions for greater control and flexibility than out-of-the-box implementations. Create a custom RAG solution using Vertex AI APIs, vector stores, and the LangChain framework.
En este curso, se explora una solución de generación mejorada por recuperación (RAG) de BigQuery para mitigar las alucinaciones de la IA. Se presenta un flujo de trabajo de RAG que abarca la creación de embeddings, la búsqueda en un espacio vectorial y la generación de respuestas mejoradas. En el curso, se explican los motivos conceptuales de estos pasos y su implementación práctica con BigQuery. Al final del curso, los alumnos podrán crear una canalización de RAG utilizando BigQuery y modelos de IA generativa como Gemini y modelos de embedding para abordar sus propios casos de uso de alucinaciones de IA.
This lab tests your ability to develop a real-world Generative AI Q&A solution using a RAG framework. You will use Firestore as a vector database and deploy a Flask app as a user interface to query a food safety knowledge base.