Participante desde 2026
Desenvolvimento de aplicativos de IA generativa com Gemini e Streamlit
Earned Aug 4, 2026 EDT
Criar embeddings, pesquisa vetorial e RAG com o BigQuery
Earned Apr 13, 2026 EDT
Conclua o selo de habilidade intermediário Desenvolvimento de aplicativos de IA generativa com Gemini e Streamlit para mostrar que você sabe gerar texto, aplicar chamadas de função usando o SDK do Python e a API Gemini e implantar um aplicativo do Streamlit com o Cloud Run. Você vai conhecer formas diferentes de usar comandos no Gemini para gerar texto, usar o Cloud Shell para testar e iterar em um aplicativo do Streamlit e depois colocar o app em um contêiner do Docker implantado no Cloud Run.
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.