Índices vectoriales: de numpy a FAISS
Guarda y consulta embeddings en local con un índice propio en numpy y con FAISS, compara búsqueda exacta y aproximada con HNSW, filtra por metadatos y decide cuándo pasar a una base como pgvector o Chroma.
El asistente de la Cooperativa Altos de Tacaná funciona con el reglamento, pero el Consejo ya pidió más: agregar el manual de buenas prácticas de cosecha, las actas de asambleas de los últimos cinco años y las preguntas frecuentes de la oficina. De doce artículos pasarás a varios miles de fragmentos. Hasta ahora tus vectores vivían en una matriz que se recalculaba (o se leía de caché) cada vez que corrías el script. Necesitas un índice: algo que guarde vectores y metadatos, se pueda actualizar y responda rápido.
Qué verás en esta lección
- Qué hace un índice vectorial
- Un índice en numpy, en 50 líneas
- FAISS: búsqueda exacta y aproximada
- pgvector y Chroma: cuándo pasar a una base de datos
- 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