# rag-con-ollama

RAG con Ollama

Aprendes a construir un sistema RAG que corre en tu máquina con Ollama, con embeddings locales, varias estrategias de chunking y modelos pequeños. Comparas su rendimiento con métricas concretas y llevas el pipeline a un proyecto funcional.
  • cat · IA Aplicada
  • lecciones · 35
  • duración · ~323 min
  • certificado · sí, verificable

Acceso permanente · sin fechas · contenido enfocado 

# rag-con-ollama
$ pypro.run(RAG con Ollama)
$ status: active
$ certificado: ✓

# curriculum

¿Qué vas a aprender?

01 RAG local con Ollama 7 lecciones
  1. Samsung, ChatGPT y el código fuente que salió de la empresa 4:38
  2. Anatomía de un pipeline RAG: indexar, recuperar y generar preview gratis
  3. Instalar Ollama y descargar tus primeros modelos preview gratis
  4. La API de Ollama desde Python: chat, generate y embeddings 6:30
  5. Hardware, cuantización y GGUF: qué modelo cabe en tu máquina 10:00
  6. Quiz: arquitectura RAG y fundamentos de Ollama 5:00
  7. Tu primer RAG mínimo con Ollama en Python 18:00
02 Embeddings locales y búsqueda vectorial 7 lecciones
  1. Qué captura un embedding y cómo funciona la similitud coseno 9:00
  2. Modelos de embeddings en Ollama: nomic-embed-text, mxbai-embed-large y bge-m3 7:19
  3. Indexar documentos en ChromaDB con persistencia local 7:08
  4. Búsqueda por similitud, top-k y filtros por metadatos 8:08
  5. Comparar modelos de embeddings: dimensión, latencia y recall preview gratis
  6. Quiz: embeddings y vector stores locales 5:00
  7. Benchmark de embeddings locales sobre un corpus en español 19:00
03 Estrategias de chunking 7 lecciones
  1. Lost in the Middle: cuando más contexto no significa mejores respuestas 4:51
  2. Chunking de tamaño fijo con solapamiento 6:42
  3. Chunking recursivo y por estructura: encabezados, párrafos y Markdown 7:05
  4. Chunking semántico con embeddings locales 8:30
  5. Carga y limpieza de PDF, HTML y Markdown antes de dividir 10:00
  6. Quiz: estrategias de chunking y sus trade-offs 5:00
  7. Comparar estrategias de chunking con el mismo set de preguntas 20:00
04 Modelos pequeños y rendimiento 7 lecciones
  1. Mata v. Avianca: los precedentes que nunca existieron 5:13
  2. Prompts de RAG que obligan a responder con el contexto y citar fuentes 7:35
  3. Modelos pequeños en Ollama: Llama 3.2, Qwen2.5, Phi-3 y Gemma 2 preview gratis
  4. Parámetros de generación: temperature, num_ctx y ventana de contexto 8:08
  5. Medir latencia, tokens por segundo y uso de memoria 6:57
  6. Quiz: generación con modelos pequeños y métricas de rendimiento 5:00
  7. Proyecto: benchmark de modelos pequeños sobre tu pipeline RAG 20:00
05 Evaluación y proyecto final 7 lecciones
  1. Air Canada y el chatbot que inventó una política de reembolsos 4:42
  2. Métricas de recuperación: hit rate, precision@k y MRR 8:10
  3. Evaluar fidelidad y relevancia con un modelo local como juez 7:58
  4. Re-ranking y búsqueda híbrida con BM25 y embeddings 6:35
  5. Operar un RAG local: actualización del índice, logging y privacidad 10:00
  6. Construir un set de evaluación y medir tu pipeline de punta a punta 19:00
  7. Proyecto final: asistente RAG local sobre tu propia documentación 20:00
Guillermo Izquierdo

# instructor

Guillermo Izquierdo

Ingeniero, hago Python aplicado y enseño en PyPro. Los cursos son cortos, técnicos y al grano. Aprendes lo que sí se usa.

¿Qué es PyPro?

# faq

Preguntas frecuentes

¿Cuánto dura el curso RAG con Ollama?

RAG con Ollama tiene 35 lecciones en 5 secciones, con unas 5 horas y media de video.

¿Cuánto cuesta?

$499 MXN en un solo pago. El acceso no vence: vuelves a las lecciones cuando quieras.

¿Da certificado?

Sí. Al terminar todas las lecciones recibes un certificado con folio que cualquiera puede verificar en pypro.mx.

¿Qué temas cubre?

El temario de RAG con Ollama recorre RAG local con Ollama, Embeddings locales y búsqueda vectorial, Estrategias de chunking, Modelos pequeños y rendimiento y Evaluación y proyecto final.

¿Para qué nivel es?

RAG con Ollama es de nivel intermedio.

¿Quién lo enseña?

Guillermo Izquierdo Colin, fundador de PyPro. Enseña con el mismo código que escribe en el video.