Cuadernos gratuitos en Colab para dominar RAG, agentes y evals sin frameworks
AI Engineer Notebooks – free, framework-free RAG/agents/evals on Colab
Este repositorio de GitHub ofrece una serie de cuadernos de Colab, gratuitos y sin frameworks, para aprender el stack de LLM aplicado tal como se evalúa en entrevistas de AI Engineer o Forward Deployed Engineer. Cubre desde APIs de modelos, salida estructurada, tool calling, RAG y evals hasta agentes, fine-tuning, seguridad y LLMOps, todo ejecutable con la API gratuita de Groq. Incluye casos de estudio reales y un capstone para el currículum.
Los patrones son duraderos; los wrappers cambian.
- ghm2199
Una cosa para la que las evaluaciones son súper importantes desde el principio es cuando el arnés y la inferencia del modelo forman parte del producto, por ejemplo, si estás haciendo voz IA, construir un arnés de pruebas para probar el sistema es un primer paso nada trivial.
- consumer451
Vaya, algo así me habría venido bien el año pasado.
Tras revisarlo, parece que ir a tientas en la oscuridad con Claude y Google me llevó al mismo lugar en casi todos los casos.
Sin embargo, todo esto está escrito por Claude: tiene demasiados guiones largos como para no serlo, ¿no? Así que quizá por eso terminamos en los mismos sitios.
¿Alguien conoce otros recursos de este estilo?
- KolibriFly
Me alegra saber que están priorizando la evaluación desde el principio. Normalmente la gente arma un pipeline de RAG a la ligera y luego juzga las métricas a ojo, echando un vistazo a tres respuestas en la terminal.