Sistema de Preguntas Sobre Documentación Técnica para una SaaS de Valencia
Visión general
De qué trata este proyecto.
Diseña un pipeline RAG con embeddings multilingües y reranker para documentación técnica. Evalúa recall y faithfulness. Obtén un certificado verificable.
El Briefing
Lo que harás y lo que demostrarás.
Construir un RAG en español con Recall@5 superior al 80%, faithfulness automatizada superior a 0,75 y latencia p95 inferior a 4 segundos.
Earning criteria — what you'll demonstrate
- Diseñar un pipeline RAG end-to-end con chunking sensato
- Aplicar retrieval híbrido (denso + léxico) con reranker
- Evaluar generación con faithfulness automatizada y humana
- Iterar sobre el pipeline basándose en gaps detectados
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Computational Semantics
Master · Ai Ml
Fit score: 1
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosIngeniero de Procesamiento de Lenguaje Natural
Construir un RAG end-to-end con evaluación honesta es trabajo cotidiano del NLP engineer en producto B2B.
Este proyecto afina
- retrieval-augmented-generation
- embeddings
- information-retrieval
Ingeniero de Prompts
Iterar sobre prompts de generación con faithfulness medible es el músculo del prompt engineer en producto.
Este proyecto afina
- llm-prompting
- evaluation
- retrieval-augmented-generation
Ingeniero de IA
Llevar un RAG a latencia operativa es trabajo central del AI engineer en SaaS.
Este proyecto afina
- retrieval-augmented-generation
- python
- embeddings