Inteligencia Artificial Generativa en Snowflake

Domina Cortex AI: Desde funciones SQL LLM hasta aplicaciones RAG y Parse Document.

---

Sobre este repositorio

Bienvenido al repositorio oficial del curso Inteligencia Artificial Generativa en Snowflake.

Este repositorio contiene todo el código SQL, scripts de Python y configuraciones necesarias para construir aplicaciones de IA directamente dentro de la plataforma de datos de Snowflake. El enfoque es 100% práctico, cubriendo el ciclo completo de desarrollo con Snowflake Cortex.

¿Qué vas a construir?

Aprenderás a "llevar la IA a los datos" (y no al revés), implementando soluciones empresariales como:

1. Analistas Virtuales: Chatbots capaces de consultar tus datos estructurados.
2. Búsqueda Semántica: Motores de búsqueda inteligentes sobre documentos PDF.
3. Extracción de Información: Pipelines automatizados para procesar documentos no estructurados.

👉 Inscríbete al curso completo en Udemy

---

Estructura del contenido

El material está organizado por módulos técnicos, correspondiendo a las carpetas del repositorio:

• 📂 Seccion_2 (Cortex AISQL):
  • Uso de funciones LLM nativas (AI_COMPLETE, AI_SUMMARIZE, AI_TRANSLATE, AI_SENTIMENT).
  • Clasificación y extracción de respuestas con SQL.
• 📂 Seccion_3 (Cortex Analyst):
  • Creación de modelos semánticos.
  • Integración con Streamlit para interfaces de chat.
• 📂 Seccion_4 (Cortex Search):
  • Implementación de servicios de búsqueda híbrida/semántica.
  • Creación de Chatbots RAG (Retrieval-Augmented Generation) para PDFs.
• 📂 Seccion_5 (Document AI):
  • Modelos multimodales para procesar documentos (facturas, contratos).
  • Pipelines de extracción automática.
• 📂 Seccion_6 (Observabilidad):
  • Monitoreo de costos y rendimiento de los modelos de IA.

---

Requisitos y Tecnologías

Para aprovechar este material al máximo, utilizaremos el ecosistema moderno de Snowflake:

1. Cuenta de Snowflake: (Trial gratuito) con acceso a regiones habilitadas para Cortex.
2. Snowsight: La interfaz web principal para ejecutar los worksheets SQL.
3. Python & Streamlit: Para las interfaces de usuario avanzadas (Secciones 3 y 4).

---

¿Cómo usar este código?

1. Clona o descarga el repo:

   git clone [https://github.com/jmcurbelo/snowflake-ai.git](https://github.com/jmcurbelo/snowflake-ai.git)

2. Ejecuta en Snowsight:
   • Navega a la carpeta correspondiente (ej: Seccion_2).
   • Copia el contenido del archivo .sql.
   • Pégalo en un nuevo Worksheet en Snowflake y ejecútalo paso a paso.

Nota: Para las secciones de Streamlit (Python), encontrarás las instrucciones específicas de despliegue dentro de sus respectivas carpetas.

---

🤝 Contribuciones y Soporte

Este material es complementario al curso en video.

• Si tienes dudas sobre los conceptos, por favor usa la sección de Preguntas y Respuestas (Q&A) en Udemy.
• Si encuentras un error en el código, ¡siéntete libre de abrir un Issue o un Pull Request!

---

Hecho con ❤️ por José Miguel Moya Curbelo | Instructor de Big Data & Ingeniería de Datos