#jupyter_notebook
Retrieval Augmented Generation (RAG) helps large language models (LLMs) answer questions using up-to-date or private information by connecting them to external data sources, unlike fine-tuning which retrains the model on specific data. RAG is useful when you need current, dynamic information without costly retraining, making it ideal for tasks like customer support or knowledge management. Fine-tuning is better for deep expertise in a specialized field but requires more data and effort. Using RAG lets you get accurate, relevant answers quickly by combining the model’s language skills with fresh, specific data, improving usefulness and reliability.
https://github.com/langchain-ai/rag-from-scratch
nueva página en mi #obsidian esta vez con temática dark academia 🕰🕯 PD: la chica que sale "estudiando" es del webtoon jacinto purpura
-> descargar las img que use <-
después de horas de trabajo les presento mi homepage en #obsidian
くコ:彡
debido a mis problemas de salud y tal me ha costado adaptarme a la normalidad. Igual ya me estoy planeando para el próximo mes.
Estoy comenzando a trabajar en una página de #obsidian para los libros que voy leyendo. Incluye resúmenes de sus capítulos, personajes y palabras que no conozca su significado. ¿ Ustedes realizan lectura activa ? Es decir, subrayan frases que les gustan del libro que leen , buscan palabras raras , hablan del libro a un amigo y debaten . Yo antes no lo hacía, pero el año pasado ví un video que me motivo mucho a crearme el habito de leer todos los días.
video súper recomendado abajito 🤓👇