Sismos en México: análisis de 363,329 eventos con Python

Imagen
¿Dónde se registran más sismos en México? ¿Las entidades con más eventos también concentran los sismos de mayor magnitud? ¿Qué años destacan? En este proyecto exploramos estas preguntas utilizando datos del Servicio Sismológico Nacional (SSN) y herramientas de Data Science. URL :http://www2.ssn.unam.mx:8080/catalogo/  Los datos: más de 363 mil registros sísmicos Para este análisis utilizamos el catálogo de sismos publicado por el Servicio Sismológico Nacional de la UNAM . El conjunto de datos contiene información sobre eventos sísmicos registrados en México, incluyendo fecha, hora, magnitud, coordenadas geográficas, profundidad y referencia de localización. El catálogo utilizado contiene registros desde agosto de 2000 hasta agosto de 2026 . Después de revisar y preparar la información contamos con: 363,329 eventos sísmicos ...

Tecnologías de IA , RAG y Langchain 2025: OpenAI, AWS, IBM, Google y más

¿Qué ofrecen las grandes empresas en IA, RAG y Langchain en 2025?

En los últimos años, conceptos como RAG (Retrieval-Augmented Generation), modelos fundacionales, IA generativa y chatbots inteligentes han evolucionado rápidamente.Yo como lo veo es que el utilizar RAG es como darle una referencia teórica al LLM para que pueda generar la información en base a los datos que tenemos de soporte. Creo que puede servir para empresas en ERP y desarrollos nuevos  .


🌐  RAg (Retrieval-Augmented Generation)


🔍 Tu cerebro + biblioteca digital conectada


Une modelos LLM con bases de datos, PDFs, sitios web.


Ejemplo: ChatGPT con acceso a tus archivos o documentos científicos.

🌐 ¿Qué es LangChain?


LangChain es una librería en Python y JavaScript que permite crear aplicaciones inteligentes usando modelos de lenguaje (LLM) como:


ChatGPT (OpenAI)


Claude (Anthropic)


Mistral, LLaMA, etc.

📦 ¿Para qué sirve LangChain?


LangChain conecta un modelo de lenguaje con herramientas externas:


Función ¿Qué permite hacer?


📄 RAG Leer documentos PDF, webs, bases de datos

🛠️ Tools Usar herramientas externas como calculadoras, buscadores o APIs

🧠 Memoria Recordar información de conversaciones anteriores

🧩 Agentes Darle a la IA la capacidad de tomar decisiones autónomas (AutoGPT-style)

🗃️ Bases vectoriales Buscar información “por significado” en grandes textos (con Pinecone, FAISS, etc.)

 ¿Qué tan preparados están los gigantes tecnológicos para RAG y Langchain?

Aquí un resumen actualizado sobre OpenAI, Google, AWS, IBM, Oracle y NVIDIA, y cómo se integran con herramientas como LangChain y RAG.

Infografía comparativa de OpenAI, Google, AWS, IBM, Oracle y NVIDIA sobre sus capacidades en inteligencia artificial, RAG y LangChain en 2025.


                        Imagen creada por chatgpt

Comparativa rápida:

Empresa Modelos LLM propios ¿Tiene RAG? ¿Compatible con LangChain?
OpenAI GPT-4, GPT-4o
Google Cloud PaLM, Gemini, terceros
AWS Titan, Mistral, Cohere
IBM Watsonx.ai ⚠️ Parcial ⚠️ Manual
Oracle Cohere + LLaMA (OCI) ⚠️ vía API
NVIDIA NIMs (Microservicios)

🌱 ¿Tú ya estás integrando IA generativa o RAG en tus proyectos? Comparte tu experiencia o déjame un comentario 👇Tu habías oído hablar de estas tecnologías ? 

Comentarios

🚀 Mantener este blog funcionando requiere tiempo y café. ¡Puedes contribuir con uno aquí!

Entradas más populares de este blog

Guía Práctica: Ejemplo Completo de ASPX para Desarrolladores Web

👉 Cómo obtener el tipo de cambio en Excel con API de Banxico (paso a paso)

Macro en Word para automatizar documentos: genera diplomas en segundos (con código VBA)