Embeddings con Cohere: input_type, dimensiones y español
Genera embeddings reales con el endpoint embed de la API v2 de Cohere, elige bien input_type, output_dimension y el tipo de embedding, procesa en lotes, guarda los vectores en disco y comprueba cómo se comportan los modelos multilingües con textos en español.
En la lección anterior inventaste vectores de cuatro dimensiones para entender la idea. Ahora toca convertir el reglamento real de la Cooperativa Altos de Tacaná en embeddings y buscar con la pregunta de Don Arturo: "¿a qué hora reciben café?". Si todo sale bien, el artículo 13, el del horario del centro de acopio, debería aparecer en primer lugar, aunque no comparta casi ninguna palabra con la pregunta.
Qué verás en esta lección
- Elegir el modelo
- Tu primera llamada a embed
- input_type: el parámetro que más errores causa
- Un módulo de embeddings reutilizable
- Buscar en el reglamento
- Español y búsqueda entre idiomas
- Dimensiones y tipos de embedding: cuánto guardar
- Práctica
- Resumen
- Quiz
El resto de la lección es para alumnos. Se abre al comprar el curso o con la Membresía de IA con Clase.
Ver precios Ya compré: acceder o empieza con una lección gratis