Uploaded June 2026 | Updated September 2026, 3 weeks ago
Descubre cómo implementar búsqueda semántica con vectores y aplicar el patrón Retrieval-Augmented Generation (RAG) para enriquecer las respuestas de los LLMs con información relevante y actualizada.
📍https://aka.ms/Microsoft.Extensions.AI
📌 Este evento es parte de una serie, aprende más aquí: https://aka.ms/MEAIseries
Capítulos:
0:02 Introducción y bienvenida
0:50 Introducción al concepto de Embeddings
2:14 El problema de las búsquedas tradicionales
3:21 ¿Qué son los Embeddings?
4:40 Relación semántica y distancia vectorial
6:26 Modelos de Embeddings (OpenAI)
7:47 Métodos para medir la similitud (Coseno, Euclidiana)
9:07 Casos de uso de la búsqueda vectorial
12:08 Demo: Creando el primer Embedding con Microsoft Extensions AI
20:49 Sesión de preguntas y respuestas (IDE y herramientas)
25:15 Almacenamiento de vectores y base de datos
29:52 Implementación de clase Product y Vector Store
33:17 Demo: Búsqueda vectorial práctica
37:55 Ejemplo de búsqueda con Tensor Primitives
42:43 Integración con SQL Server y búsqueda vectorial
50:41 Implementación del patrón RAG en Azure Foundry
52:21 Plantilla de chatbot con RAG (Blazor)
54:11 Demo del chatbot con RAG sobre documentos
56:11 Conclusión y recursos adicionales
#microsoftreactor #learnconnectbuild
[EventID:27062]
Descubre cómo implementar búsqueda semántica con vectores y aplicar el patrón Retrieval-Augmented Generation (RAG) para enriquecer las respuestas de los LLMs con información relevante y actualizada.
📍https://aka.ms/Microsoft.Extensions.AI
📌 Este evento es parte de una serie, aprende más aquí: https://aka.ms/MEAIseries
Capítulos:
0:02 Introducción y bienvenida
0:50 Introducción al concepto de Embeddings
2:14 El problema de las búsquedas tradicionales
3:21 ¿Qué son los Embeddings?
4:40 Relación semántica y distancia vectorial
6:26 Modelos de Embeddings (OpenAI)
7:47 Métodos para medir la similitud (Coseno, Euclidiana)
9:07 Casos de uso de la búsqueda vectorial
12:08 Demo: Creando el primer Embedding con Microsoft Extensions AI
20:49 Sesión de preguntas y respuestas (IDE y herramientas)
25:15 Almacenamiento de vectores y base de datos
29:52 Implementación de clase Product y Vector Store
33:17 Demo: Búsqueda vectorial práctica
37:55 Ejemplo de búsqueda con Tensor Primitives
42:43 Integración con SQL Server y búsqueda vectorial
50:41 Implementación del patrón RAG en Azure Foundry
52:21 Plantilla de chatbot con RAG (Blazor)
54:11 Demo del chatbot con RAG sobre documentos
56:11 Conclusión y recursos adicionales
#microsoftreactor #learnconnectbuild
[EventID:27062]
