Un superlike para este video, fantástica info en español, un gran descubrimiento. Por favor anímense con la segunda parte adicionando los AI Cognitive Skills a fondo ^^
Excelente vídeo...justo estoy haciendo algo que vi en un vídeo tuyo (el poder de GPT con Power Virtual Agents, Azure OpenAI y Microsoft Teams).. tengo una pregunta .. cuando azure OpenAI responde y en mi caso la base de conocimiento son documentos de la empresa.. esas referencia que me trae.. cómo las puedo hacer link para que abran o descarguen los documentos de donde saco la respuesta?
Ánimo Celeste, yo sufro a diario las correcciones de Rodri por castellanizar 😂😜 Mil gracias a los dos por el vídeo. Está perfectamente explicado. Viene genial como introducción a Azure AI Search 😎👌🏻 Me habéis enseñado cositas que no conocía!! 🎉
Muchas gracias!! Lo pasamos muy bien haciéndolo y es toda una alegría saber que está ayudando! Y lo de castellanizar... no sé, a mi es que me suena bien y no puedo evitarlo 😅
Hola! Gracias por el video, muy útil y ayuda mucho. Quería preguntaros, en vuestra experiencia, cual es la mejor estructura para la documentacion de tipo FAQ? Es decir pregunta-respuesta. El problema que estoy teniendo es que teniendo muchas preguntas y respuestas en el mismo documento (una detras de otra, con una separacion de espacio entre cada pregunta-respuesta) al hacer la busqueda semantica con ADA en el SearchService, en la respuesta el chunk con mas score está mezclando tanto texto de la respuesta como de las preguntas inmediatamente anteriores y siguientes. Alguna forma de solucionar esto? Quizas estructurando mejor la documentación?
!Hola! En le caso de Preguntas y Respuestas (un FAQ) lo más importante no es el formato o estructura del documento, sino dos cosas: - La primera, el como realizar el chunking, es decir, la extracción del texto del documento. Por ejemplo si sabes que la estructura es «pregunta - linea en blanco - respuesta - línea en blanco», que uses esta estructura para crear un chunk que sea la pregunta y la respuesta. - Si usas Azure AI Search como base de datos vectorial para tu IA, lo que puedes hacer para mejorar los resultados es crear un Semantic Ranker donde el título sea la pregunta y el texto sea la respuesta. Eso también te ayudaría a obtener mejores resultados.
Hola! Código parecido a lo que se muestra en éste video lo puedes encontrar en este repo: github.com/rliberoff/CODERTECTURA-009YT-Bot-Azure-AI-Search-OpenAI
Muchas gracias por el video. En mi caso deseo crear un chatbot que responda preguntas relacionadas a las lecturas que hace un sensor IoT de reservorios de agua (¿Cuando fue la ultima vez que hubo un rebase? ¿Cual fue el promedio de niveles en la última semana?, etc.) Toda esta información está almacenada en una base de datos relacional (serie de tiempo, valor, identificador). ¿Que me recomendarías usar para resolver esto?
¡Interesante! Hay varias alternativas. Una posible aproximación es que crees una base de datos vectorial que mapee posibles preguntas a queries que se puedan lanzar contra una base de datos relacional. Otra alternativa, es crear funciones con parámetros que puedan ser vinculadas a la intensión del usuario, donde dichas funciones tendrían las queries a la base de datos relacional.
¡Hola! Muy bien vídeo, aunque me han surgido las siguientes dudas: 1.- Después de cargar los datos en Azure AI Search y crear los índices, ¿Dónde se encuentran los chunks? 2.- Al utilizar AI Search como origen de datos para Azure OpenAI, te permite restringir los documentos a los que puede acceder el chat en base a los permisos que el usuario tenga en Azure Active Directory. Sin embargo, parece que la opción utilizada en el vídeo, utilizando un blob storage como origen de datos para Azure OpenAI, no parece que se puedan limitar estos permisos, ¿cierto?
¡Hola! Azure AI Search ha sido actualizado para funcionar como una Base de Datos Vectorial (VDB - Vector Database), lo que le permite ser el almacen de los vectores que se producen a partir de los chunks de texto que crea. Es decir, que dentro de Azure AI Search encontrarías los registros con el texto trozeado (chunked), los embeddings de éste (el vector) y cualquier otra metadata que desees. Por otro lado, la parte de permisos sobre la data almacenada en Azure AI Search es todo un mundo. En el caso de Blob Storage los permisos tendrían que restringuirse en origen o ser parte de la metadata de cada registro dentro de Azure AI Search, lo cual quizás no sea la mejor opción. Como tal, no se me ocurre una solución directa y lista para integración. Quizás una alternativa seria obtener los detalles de acceso (tipo un ACL) usando los SDK o las API REST de Azure Storage. Estos nos darían la información sobre los permisos de cada blob y compararlos con la información contenida en la metadata de los registros de Azure AI Search. La parte positiva es que esta metadata puede estar indexada, con lo cual recuperar la información a la que si tiene acceso un usuario sería súper rápido.
@@CODERTECTURA Gracias por la aclaración respecto a los permisos! Respecto a la ubicación de los chunks sigo teniendo dudas, ya que, en mi caso, al crear los índices no me aparece el container "biblioindex-chunks" que os aparece en el vídeo en el minuto 34:47 por ninguna parte.
@@neoflow1228 a mi tampoco me aparecio sin embargo si checkeas la option de ver los container borrados, veras que yo al menos lo veo pero no entiendo porque han sido automaticamente eliminados, realmente esto me parece jugar al gato y al raton no se que estan pensando la gente de Microsoft.
Hola, como todo esto van tan rapido, no me queda claro si AI Seach es un recurso de pago mensual fijo + lo que consuma o si es una estimacion y pagas por lo que consumes, Gracias.
¡Hola! Mucha gente tiene esa misma confusión con Azure AI Search, y la documentación no lo pone especialmente fácil. Todos los planes de Azure AI Search (salvo el plan o _tier_ gratuito) tienen un coste mensual en base al número de unidades de escalado que tengas configuradas. Así, por ejemplo, el plan básico cuesta cerca de 73$ al mes por sólo una unidad de escalado. Luego, si existe un coste por uso, y que depende de la configuración del Azure AI Search. Así, por ejemplo, si tienes configurado un Semantic Ranker con una estimación de 5000 llamadas al mes, el coste se incrementa en cerca de 4$ al mes (las primeras 1000 llamadas al mes son gratis). Luego a parte está el coste mensual que pueda tener otros servicios conectados al Azure AI Search, como un Blob Storage de un Azure Storage Account. Al final del día, el Azure AI Search es un servicio *muy poderoso* pero lamentablemente de los más caros dentro del catálogo de Azure. Espero haberte contestado a tu duda 😊
@@CODERTECTURA Muchas gracias, pues estoy bastance enfadado, basicamente porque he seguido vuestros dos videos intentando recrear todo el preceso varias veces, y no teniendo mucho exito, no hay forma de comunicarse con ellos, con infinitos bots preguntando y derivandote para nada, llevo gastados £44 en dos dias y no he hecho nada, en serio que esto es lo que vamos a esperar los desarrolladores en los proximos meses, es imposble avanzar asi, yo estoy pendiente de entregar a los clientes algo u n prototipo, lo siento solo quiero expresaros mi vision ahora, vosotros estais haciendo un trabajo arduro y lo se y os lo agradezco. Un fuerte abrazo
El contenido me estaba pareciendo muy interesante pero he tenido que dejar el vídeo a la mitad porque la musica la siento demasiada alta y poco apropiada para el consumo de la información
¡Hola! Lamentablemente para que te deje de facturar, tienes que eliminar el servicio de Azure AI Search. Como casi todos los servicios de almacenamiento de Azure, te cobran por conservar la data, aun cuando no la estés explotando. La información oficial de Microsoft la tienes en el siguiente enlace: learn.microsoft.com/en-us/azure/search/search-faq-frequently-asked-questions#can-i-pause-the-service-and-stop-billing-
Gracias!!! Por favor cuéntanos que tal el resultado. Cuando estes poblando el Azure AI Search, para que obtengas mejores resultados, prueba tener la info de los futbolistas bien segregada, con una metadata tal que te permita indexar su nombre, número de jugador, estadísticas, etc...
Claro! El tema es que trato de reutilizar el mismo perfil para Twitch y YT, y puede ser que para YT no sea necesario tanto dinamismo. Gracias por la sugerencia 😁
