We may earn an affiliate commission when you visit our partners.
Google Cloud Training
Este curso estuda uma solução de geração aumentada de recuperação (RAG) no BigQuery para mitigar as alucinações da IA. Ele introduz um fluxo de trabalho de RAG que engloba a criação de embeddings, a pesquisa por um espaço vetorial e a geração de respostas aprimoradas. O curso explica os motivos conceituais dessas etapas e a implementação prática delas com o BigQuery. Até o fim do curso, será possível criar um pipeline de RAG usando o BigQuery e modelos de IA generativa como o Gemini, além de modelos de embeddings, para lidar com os próprios casos de uso de alucinação de IA.
Register for this course and see more details by visiting:
OpenCourser.com/course/j15jfu/criar
Here's a deal for you
Save money when you learn with a deal that may be relevant to this course.
All coupon codes, vouchers, and discounts are applied automatically unless otherwise noted.
Get offer
What's inside
Syllabus
Save this course
Create your own learning path.
Save this course to your list so you can find it easily later.
Save
Save
Activities
Coming soon
We're preparing activities for
Criar embeddings, pesquisa vetorial e RAG com o BigQuery.
These are activities you can do either before, during, or after a course.
Career center
Learners who complete Criar embeddings, pesquisa vetorial e RAG com o BigQuery will develop knowledge and skills
that may be useful to these careers:
Especialista em Processamento de Linguagem Natural
Especialista em Processamento de Linguagem Natural
O Especialista em Processamento de Linguagem Natural projeta e desenvolve sistemas que permitem que computadores entendam, interpretem e gerem linguagem humana. Este campo é crucial para aprimorar a comunicação entre humanos e máquinas. Para quem almeja ser um Especialista em Processamento de Linguagem Natural, o curso "Criar embeddings, pesquisa vetorial e RAG com o BigQuery" é extremamente relevante. Ele se aprofunda na mitigação de alucinações da IA por meio de soluções de RAG, o que é um desafio central na geração de linguagem natural. A capacidade de criar embeddings, realizar pesquisa vetorial e gerar respostas aprimoradas usando o BigQuery e modelos de IA generativa diretamente posiciona os indivíduos para projetar e implementar soluções avançadas de NLP. Um mestrado ou doutorado é tipicamente necessário para esta função.
Arquiteto de Soluções de Inteligência Artificial
Arquiteto de Soluções de Inteligência Artificial
Um Arquiteto de Soluções de Inteligência Artificial é responsável por projetar e supervisionar a implementação de sistemas de IA complexos, garantindo que atendam às necessidades de negócios e aos requisitos técnicos. Esta função exige uma visão holística para integrar modelos de IA, plataformas de dados e aplicações. O curso "Criar embeddings, pesquisa vetorial e RAG com o BigQuery" é fundamental para quem deseja atuar como Arquiteto de Soluções de Inteligência Artificial, pois oferece experiência prática na construção de pipelines de Geração Aumentada por Recuperação (RAG) para mitigar alucinações da IA. Ao aprender a trabalhar com BigQuery, modelos de IA generativa como o Gemini e modelos de embeddings, o curso fornece os fundamentos para desenvolver arquiteturas robustas e escaláveis, capacitando o aluno a projetar soluções de IA de ponta que resolvem desafios do mundo real. Profissionais nesta área frequentemente se beneficiam de um mestrado.
Engenheiro de Machine Learning
Engenheiro de Machine Learning
Um Engenheiro de Machine Learning projeta, constrói e mantém sistemas de aprendizado de máquina, traduzindo modelos teóricos em aplicações práticas. A função envolve a implantação de algoritmos de ML em produção e a otimização de seu desempenho. O curso "Criar embeddings, pesquisa vetorial e RAG com o BigQuery" é essencial para o Engenheiro de Machine Learning, pois ensina a desenvolver pipelines de Recuperação Aumentada por Geração (RAG). Este conhecimento direto sobre a criação de embeddings, pesquisa em espaço vetorial e utilização de modelos de IA generativa como o Gemini, juntamente com o BigQuery, fornece as ferramentas para enfrentar um dos maiores desafios da IA: as alucinações. O curso ajuda a construir a capacidade de desenvolver e implementar soluções de ML que entregam respostas mais precisas e confiáveis. Um mestrado é frequentemente benéfico para esta função.
Engenheiro de Prompts
Engenheiro de Prompts
O Engenheiro de Prompts foca na otimização da forma como os modelos de Inteligência Artificial interagem com os usuários, criando instruções eficazes para obter as melhores respostas possíveis. Esta função é vital para garantir que as saídas da IA sejam precisas, relevantes e livres de vieses. Para quem busca uma carreira como Engenheiro de Prompts, o curso "Criar embeddings, pesquisa vetorial e RAG com o BigQuery" oferece habilidades inestimáveis. Ao abordar a mitigação de alucinações da IA por meio de RAG, o curso ensina como aumentar a qualidade das respostas geradas. A capacidade de construir um pipeline de RAG, utilizando embeddings e pesquisa vetorial com o BigQuery e modelos generativos como o Gemini, permite que o Engenheiro de Prompts crie sistemas que fornecem informações baseadas em dados, melhorando drasticamente a confiabilidade das saídas da IA.
Cientista de Dados
Cientista de Dados
O Cientista de Dados analisa grandes conjuntos de dados para extrair insights, construir modelos preditivos e auxiliar na tomada de decisões estratégicas. Esta função exige fortes habilidades analíticas e conhecimento em estatística e programação. O curso "Criar embeddings, pesquisa vetorial e RAG com o BigQuery" pode ser um diferencial significativo para o Cientista de Dados. Embora a ciência de dados abranja uma vasta área, a capacidade de entender e implementar soluções de Geração Aumentada por Recuperação (RAG) para melhorar a precisão da IA e mitigar alucinações é uma habilidade de ponta. A experiência com o BigQuery, embeddings e pesquisa vetorial diretamente se traduz na capacidade de processar e analisar dados de forma mais sofisticada para alimentar e otimizar modelos de IA. Um mestrado ou doutorado é frequentemente benéfico para esta função.
Desenvolvedor de Inteligência Artificial
Desenvolvedor de Inteligência Artificial
O Desenvolvedor de Inteligência Artificial implementa e integra componentes de IA em diversas aplicações e sistemas, garantindo que as soluções de IA funcionem de forma eficiente e cumpram seus objetivos. O curso "Criar embeddings, pesquisa vetorial e RAG com o BigQuery" é altamente relevante para o Desenvolvedor de Inteligência Artificial, pois fornece um entendimento profundo e prático das soluções de Geração Aumentada por Recuperação (RAG). A habilidade de construir um pipeline de RAG usando BigQuery, modelos de embeddings e IA generativa como o Gemini, diretamente equipa o desenvolvedor com as ferramentas para criar sistemas de IA mais confiáveis e eficientes, que abordam o desafio das alucinações. O curso ajuda a construir a capacidade de desenvolver funcionalidades avançadas de IA para produtos e serviços.
Pesquisador de Inteligência Artificial
Pesquisador de Inteligência Artificial
O Pesquisador de Inteligência Artificial explora novas teorias, algoritmos e técnicas no campo da IA para avançar o estado da arte. Esta função envolve experimentação, publicação de descobertas e a busca por soluções inovadoras. Para o Pesquisador de Inteligência Artificial, o curso "Criar embeddings, pesquisa vetorial e RAG com o BigQuery" oferece uma compreensão prática e conceitual de uma técnica de ponta: as soluções de Geração Aumentada por Recuperação (RAG) para mitigar as alucinações da IA. O estudo da criação de embeddings, pesquisa por espaço vetorial e geração de respostas aprimoradas diretamente se alinha com o trabalho de pesquisa para melhorar a confiabilidade e a capacidade dos modelos de IA. Esta função tipicamente requer um mestrado ou doutorado.
Consultor de Inteligencia Artificial
Consultor de Inteligencia Artificial
Como Consultor de Inteligência Artificial, você orientará empresas e organizações na formulação e implementação de estratégias de IA, ajudando-as a aproveitar o poder da tecnologia para resolver problemas de negócios. Esta função exige tanto conhecimento técnico quanto habilidades de comunicação e estratégia. O curso "Criar embeddings, pesquisa vetorial e RAG com o BigQuery" equipa o Consultor de Inteligência Artificial com um conhecimento aprofundado e prático das soluções de Geração Aumentada por Recuperação (RAG). Entender como construir pipelines que mitigam as alucinações da IA, usando BigQuery e modelos de IA generativa, permite que você aconselhe clientes sobre as melhores práticas e tecnologias para criar sistemas de IA mais confiáveis e eficazes, aumentando o valor derivado de seus investimentos em IA. Um mestrado é frequentemente benéfico para esta função.
Engenheiro de Otimização de Busca
Engenheiro de Otimização de Busca
Um Engenheiro de Otimização de Busca projeta e implementa algoritmos e sistemas para melhorar a relevância e a eficiência da recuperação de informações em grandes volumes de dados. Esta função é crucial para garantir que os usuários encontrem rapidamente o que procuram. O curso "Criar embeddings, pesquisa vetorial e RAG com o BigQuery" é extremamente relevante para o Engenheiro de Otimização de Busca. O foco em pesquisa vetorial e a criação de embeddings são componentes centrais para sistemas de busca avançados. A capacidade de construir pipelines de Geração Aumentada por Recuperação (RAG) no BigQuery, que utilizam embeddings para aprimorar a recuperação de informações, ajuda a construir as habilidades para desenvolver soluções de busca mais inteligentes e precisas, fundamentais para melhorar a experiência do usuário e a qualidade dos resultados.
Engenheiro de Dados
Engenheiro de Dados
O Engenheiro de Dados é responsável por construir, manter e otimizar pipelines de dados que permitem o fluxo contínuo e a disponibilidade de dados para análise e aplicações de IA. Esta função é a espinha dorsal de qualquer ecossistema de dados moderno. Para o Engenheiro de Dados, o curso "Criar embeddings, pesquisa vetorial e RAG com o BigQuery" é altamente valioso. A ênfase na implementação prática com o BigQuery para manipular e processar dados para soluções de Geração Aumentada por Recuperação (RAG) é um conhecimento diretamente aplicável. A compreensão de como os dados são preparados para criar embeddings e para a pesquisa vetorial ajuda a construir a capacidade de projetar e otimizar a infraestrutura de dados necessária para alimentar sistemas de IA avançados e para mitigar alucinações.
Gerente de Produto de Inteligência Artificial
Gerente de Produto de Inteligência Artificial
O Gerente de Produto de Inteligência Artificial define a estratégia, o roteiro e os recursos de produtos baseados em IA, atuando como a ponte entre a tecnologia e as necessidades do negócio. Esta função exige tanto perspicácia técnica quanto uma compreensão profunda do mercado. Para o Gerente de Produto de Inteligência Artificial, o curso "Criar embeddings, pesquisa vetorial e RAG com o BigQuery" fornece uma compreensão crucial de como a Geração Aumentada por Recuperação (RAG) pode ser utilizada para construir produtos de IA mais confiáveis e eficazes. Aprender a mitigar alucinações e aprimorar as respostas dos modelos de IA generativa diretamente informa a visão do produto. O conhecimento prático de BigQuery, embeddings e pesquisa vetorial permite tomar decisões informadas sobre o desenvolvimento e a inovação de produtos.
Arquiteto de Dados
Arquiteto de Dados
O Arquiteto de Dados projeta a estrutura e o fluxo de dados dentro de uma organização, garantindo que os dados sejam armazenados, acessados e gerenciados de forma eficiente e segura. Esta função é fundamental para a governança de dados e para a escalabilidade de sistemas. O curso "Criar embeddings, pesquisa vetorial e RAG com o BigQuery" é relevante para o Arquiteto de Dados, especialmente devido ao foco em BigQuery como a plataforma para soluções de Geração Aumentada por Recuperação (RAG). A compreensão de como os dados são organizados e consultados para a criação de embeddings e pesquisa vetorial ajuda a construir as habilidades para projetar esquemas de dados e estratégias de armazenamento que suportam efetivamente as demandas de sistemas de IA que buscam mitigar alucinações, garantindo a disponibilidade e integridade dos dados para essas aplicações.
Especialista em Plataformas de Nuvem
Especialista em Plataformas de Nuvem
Um Especialista em Plataformas de Nuvem gerencia e otimiza a infraestrutura e os serviços em ambientes de nuvem, como o Google Cloud, garantindo escalabilidade, segurança e eficiência. Esta função é vital para a operação moderna de TI. Para o Especialista em Plataformas de Nuvem, o curso "Criar embeddings, pesquisa vetorial e RAG com o BigQuery" pode ser útil. O curso se concentra na implementação prática com o BigQuery, uma parte central do Google Cloud, para construir soluções de Geração Aumentada por Recuperação (RAG). Embora o foco principal seja a IA, a exposição a ferramentas e práticas específicas do BigQuery para gerenciar grandes volumes de dados e alimentar sistemas de IA ajuda a construir as habilidades para configurar, monitorar e otimizar os recursos de nuvem necessários para essas aplicações avançadas.
Engenheiro de Confiabilidade de Site de Inteligência Artificial
Engenheiro de Confiabilidade de Site de Inteligência Artificial
O Engenheiro de Confiabilidade de Site de Inteligência Artificial (AI SRE) garante que os sistemas de IA sejam confiáveis, escaláveis e operem sem interrupções em produção. Esta função combina engenharia de software com gerenciamento de operações. Para o Engenheiro de Confiabilidade de Site de Inteligência Artificial, o curso "Criar embeddings, pesquisa vetorial e RAG com o BigQuery" pode ser útil. Ele ensina a construir pipelines de Geração Aumentada por Recuperação (RAG) para mitigar as alucinações da IA usando BigQuery e modelos generativos. Compreender a arquitetura e o fluxo de trabalho de tais sistemas de IA, incluindo a criação de embeddings e a pesquisa vetorial, ajuda a construir as habilidades necessárias para monitorar, depurar e otimizar a confiabilidade dessas soluções, garantindo que os sistemas de IA que usam RAG funcionem de maneira consistente e eficiente.
Engenheiro de Software
Engenheiro de Software
O Engenheiro de Software projeta, desenvolve e mantém programas e sistemas de software para diversas plataformas. Esta função envolve codificação, resolução de problemas e colaboração em equipes de desenvolvimento. Para o Engenheiro de Software, o curso "Criar embeddings, pesquisa vetorial e RAG com o BigQuery" pode ser útil. Embora o curso seja altamente especializado em IA e RAG, as habilidades de implementação prática de soluções usando BigQuery e a compreensão de como integrar modelos de IA generativa e de embeddings são valiosas. O curso ajuda a construir a capacidade de desenvolver componentes de software que interagem com sistemas de Geração Aumentada por Recuperação, ou construir ferramentas que suportem a criação de embeddings e a pesquisa vetorial, contribuindo para a construção de aplicações de IA mais robustas e inteligentes.
For more career information including salaries, visit:
OpenCourser.com/course/j15jfu/criar
Reading list
We've selected 20 books
that we think will supplement your
learning. Use these to
develop background knowledge, enrich your coursework, and gain a
deeper understanding of the topics covered in
Criar embeddings, pesquisa vetorial e RAG com o BigQuery.
Save
Este livro é o recurso mais atualizado para implementar soluções de IA generativa especificamente no ecossistema do Google Cloud. Ele detalha o uso do Vertex AI e do BigQuery para criar pipelines de dados que alimentam modelos de linguagem. É uma leitura essencial para quem deseja aprofundar os conceitos de RAG apresentados no curso. Serve como um guia prático para profissionais que buscam operacionalizar modelos Gemini em escala.
Este livro foca especificamente na arquitetura de aplicações que utilizam modelos de linguagem, com capítulos dedicados à técnica de RAG. Explica de forma clara como os embeddings funcionam e como integrá-los com bancos de dados vetoriais. É uma excelente leitura complementar para entender o 'porquê' por trás do fluxo de trabalho de recuperação aumentada. Adiciona profundidade ao curso ao discutir a mitigação de alucinações em diferentes contextos.
Embora o curso foque em BigQuery, o LangChain é a ferramenta padrão da indústria para orquestrar fluxos de RAG. Este livro ensina como conectar LLMs a fontes de dados externas, o que complementa diretamente a parte prática do curso. É útil como referência técnica para quem deseja expandir o pipeline de RAG para além do SQL puro. Ajuda a entender a integração entre modelos de embeddings e a lógica de aplicação.
Este é um dos livros mais populares sobre aprendizado de máquina no Brasil e fornece a base teórica sobre redes neurais necessárias para entender embeddings. É valioso como leitura de base para compreender como os modelos transformam texto em representações vetoriais. Embora mais amplo que o curso, oferece o rigor acadêmico necessário para profissionais de IA. É frequentemente adotado como livro-texto em cursos de ciência de dados.
Escrito por engenheiros da Hugging Face, este livro é a autoridade máxima sobre a arquitetura Transformer, que sustenta o Gemini e os modelos de embeddings. Ele explica detalhadamente como a pesquisa semântica funciona em nível matemático e técnico. É uma leitura de nível avançado que adiciona uma profundidade teórica imensa ao conteúdo do curso. Ideal para quem deseja entender o que acontece 'sob o capô' da pesquisa vetorial.
Este guia prático oferece uma introdução rápida e eficiente aos conceitos de LLMs, prompt engineering e RAG. É perfeito para iniciantes que precisam de um nivelamento antes de mergulhar nas implementações específicas do BigQuery. O livro foca em aplicações do mundo real e na resolução de problemas comuns como a alucinação de IA. Serve como um excelente manual de referência rápida.
Este livro aborda o design de sistemas de ML ponta a ponta, com foco em pipelines de dados e monitoramento. É extremamente relevante para a parte do curso que trata da criação de pipelines de RAG sustentáveis em produção. A autora é uma autoridade respeitada na indústria, e suas diretrizes ajudam a evitar erros comuns no design de sistemas vetoriais. Adiciona uma perspectiva de engenharia de software ao curso.
Foca na infraestrutura de dados necessária para suportar modelos de IA no GCP. Explica como integrar BigQuery com outras ferramentas do Google Cloud para processamento de dados em tempo real. É útil para entender o contexto mais amplo onde o RAG está inserido dentro de uma organização. Fornece o conhecimento técnico necessário para gerenciar o ciclo de vida dos dados que alimentarão os embeddings.
Embora mencione GPT-4, os padrões de arquitetura para RAG descritos são universais e aplicáveis ao Gemini e BigQuery. O livro detalha estratégias de recuperação e como melhorar a precisão das respostas geradas. É uma leitura prática que complementa o curso ao oferecer exemplos de como estruturar o contexto enviado ao modelo. Útil para desenvolvedores que estão construindo a interface final da aplicação.
Este livro preenche a lacuna entre a teoria acadêmica de NLP e as aplicações industriais. Oferece uma visão pragmática sobre o tratamento de dados de texto antes de serem transformados em embeddings. É uma excelente referência para entender os desafios de trabalhar com dados não estruturados em pipelines de IA. Complementa o curso ao discutir a qualidade dos dados de entrada.
Apresenta soluções padronizadas para problemas comuns de ML, incluindo representação de dados. O padrão de 'Embeddings' é discutido em detalhes, o que reforça o aprendizado do curso sobre como transformar dados categóricos e textuais. Os autores são especialistas do Google Cloud, garantindo que as práticas recomendadas estejam alinhadas com as ferramentas ensinadas. É uma ferramenta de referência valiosa para o dia a dia.
Fundamental para qualquer pessoa que trabalhe com dados e precise manipular datasets antes de enviá-los ao BigQuery. Fornece o conhecimento de base em Python e Pandas necessário para seguir os exemplos práticos do curso. É o livro de referência padrão para manipulação de dados na indústria. Essencial para quem está começando na área técnica de dados.
Save
Como o BigQuery utiliza SQL para realizar pesquisas vetoriais e gerenciar dados, o domínio desta linguagem é um pré-requisito crucial. Este livro ensina desde o básico até consultas complexas que serão úteis para filtrar resultados de RAG. É uma leitura de apoio ideal para alunos que não têm um background forte em bancos de dados relacionais. Frequentemente usado como livro-texto introdutório.
Foca na aplicação prática de modelos generativos em ambientes corporativos. Discute estudos de caso que ajudam a entender onde a pesquisa vetorial e o RAG trazem mais valor comercial. Ajuda a conectar os conceitos técnicos do curso com objetivos de negócio reais. É uma leitura mais voltada para a implementação e estratégia de produtos de IA.
Explica como construir e manter pipelines de dados robustos, o que é fundamental para alimentar sistemas de RAG continuamente. O livro aborda a movimentação e transformação de dados, tópicos que complementam a criação de embeddings no BigQuery. É útil para engenheiros de dados que precisam garantir a confiabilidade dos dados usados pela IA. Oferece uma visão sistêmica sobre o fluxo de informação.
Este livro trata da preparação de dados para modelos de ML, com um capítulo excelente sobre técnicas de contagem de palavras e TF-IDF, que antecedem os embeddings modernos. É útil para entender a evolução das técnicas de busca textual até chegar à pesquisa vetorial. Fornece uma base sólida sobre como representar dados para que algoritmos possam 'entendê-los'. É uma leitura de apoio teórica muito respeitada.
Escrito pelo líder de advocacia de IA do Google, o livro é focado em desenvolvedores que querem entrar no campo da IA sem um doutorado em matemática. Explica conceitos de ML de forma muito prática, o que ressoa com a abordagem do curso no Google Cloud. É excelente para entender como integrar modelos de IA em aplicações reais. Fornece uma base amigável para programadores de software.
Save
Fornece uma visão profunda de como bancos de dados funcionam internamente, incluindo estruturas de armazenamento e indexação. Embora não seja focado em IA, é fundamental para entender os desafios de performance em pesquisas vetoriais em larga escala. É mais valioso como leitura de referência teórica para engenheiros de sistemas. Ajuda a entender as implicações de custo e tempo de execução no BigQuery.
Embora um pouco mais antigo que os livros focados em GenAI, este livro estabelece os padrões de como o Google Cloud trata o ciclo de vida de ML. Ele explica a integração entre BigQuery ML e Vertex AI, que é a espinha dorsal tecnológica do curso. É uma leitura sólida para entender a filosofia de design de IA do Google. Útil para consolidar o conhecimento sobre a plataforma GCP.
For more information about how these books relate to this course, visit:
OpenCourser.com/course/j15jfu/criar
Share
Similar courses
Similar courses are unavailable at this time. Please try again later.
Level
Advanced
Via
Coursera
Institution
Google Cloud
Instructor
Google Cloud Training
Session
October 27, 2025
- November 10, 2025
Language
pt-BR
Transcript
English
Our mission
OpenCourser helps millions of learners each year. People visit us to learn workspace skills, ace their exams, and nurture their curiosity.
Our extensive catalog contains over 50,000 courses and twice as many books. Browse by search, by topic, or even by career interests. We'll match you to the right resources quickly.
Find this site helpful? Tell a friend about us.
Affiliate disclosure
We're supported by our community of learners. When you purchase or subscribe to courses and programs or purchase books, we may earn a commission from our partners.
Your purchases help us maintain our catalog and keep our servers humming without ads.
Thank you for supporting OpenCourser.
© 2016 - 2025 OpenCourser