RAG para facilitar el uso de DATUZ y el aprendizaje de almacenes de datos.

De Vera Sanz, Carlos
Ilarri Artigas, Sergio (dir.) ; Gracia Latorre, María Belén (dir.)

Universidad de Zaragoza, EINA, 2025
Departamento de Informática e Ingeniería de Sistemas, Área de Lenguajes y Sistemas Informáticos

Graduado en Ingeniería Informática

Resumen: Este Trabajo de Fin de Grado desarrolla dos herramientas para mejorar el acceso y aprendizaje de datos universitarios en la Universidad de Zaragoza. RAGDWAREuz es un asistente conversacional basado en inteligencia artificial que permite consultar información sobre los datos de SEGEDA usando lenguaje natural, eliminando la necesidad de conocimientos técnicos especializados. MDX LEARN es un entorno educativo autocontenido que facilita el aprendizaje de MDX, el lenguaje de consultas para análisis multidimensional, mediante datos sintéticos y cuadernos de Jupyter guiados. La implementación utiliza tecnologías de código abierto como LangGraph para flujos conversacionales, Milvus como base de datos vectorial, y modelos de lenguaje optimizados para entornos con recursos limitados. El sistema RAG combina recuperación de información con generación de respuestas, permitiendo consultas como "¿Qué es un egresado?" o "¿Cuántos estudiantes de nuevo ingreso hubo en Física?" con respuestas precisas basadas en documentación oficial. La evaluación mediante herramientas automáticas (DeepEval) y expertos universitarios demuestra la viabilidad de implementar IA avanzada en entornos universitarios. Los resultados confirman que ambas herramientas democratizan el acceso a información institucional y mejoran la formación técnica, con aplicación real en el marco del proyecto NEAT-AMBIENCE y la colaboración con DATUZ.

Tipo de Trabajo Académico: Trabajo Fin de Grado