Annyasha Pal
Participante desde 2026
Liga Ouro
1454 pontos
Participante desde 2026
Neste curso, você vai conhecer o Gemini Enterprise, uma plataforma avançada que reúne agentes de IA, pesquisa enterprise, Gemini Notebook e acesso inteligente aos dados para resolver desafios organizacionais. Com exemplos reais e experiência prática, você vai aprender a aplicar os recursos do Gemini Enterprise nas demandas reais dos negócios, descrever a arquitetura dele e explicar como ele gerencia o acesso a dados e a privacidade para as diferentes funções.
Este curso oferece uma visão geral abrangente das plataformas de agentes do Google Cloud, incluindo o Vertex AI Agent Builder, o Gemini Enterprise, os Agentes de Conversação e o Kit de Desenvolvimento de Agentes. Os alunos compreenderão as capacidades únicas de cada oferta, distinguirão a solução ideal para casos de uso específicos e obterão conhecimento fundamental na criação de aplicativos de busca e chat.
Criar e executar aplicativos no Google Cloud pode assumir muitas formas — e esta aventura reúne todas elas. Experimente o App Engine, o Cloud Run, o Kubernetes Engine e o Compute Engine enquanto implanta aplicativos, gerencia a escalabilidade e explora arquiteturas modernas, incluindo a transição de arquiteturas monolíticas para microsserviços.
Trabalhar com dados e aplicativos exige o equilíbrio certo entre governança e agilidade. Nesta viagem, você usará o Dataplex para organizar, proteger e avaliar a qualidade dos dados, enquanto explora conceitos como malha de dados. Além disso, você terá experiência prática com o Firebase — criando aplicativos sem servidor, trabalhando com o Firestore e gerenciando dados em tempo real — unindo o gerenciamento moderno de dados e o desenvolvimento de aplicativos.
Conclua o selo de habilidade intermediário Engenharia de agentes de IA com o Agent Development Kit (ADK) ao concluir este curso para demonstrar habilidades nas seguintes atividades: formular problemas de pesquisa de modelos de linguagem do mundo real, criar um tokenizador simples, preparar um conjunto de dados para treinar um modelo de linguagem de transformador e executar o loop de treinamento de um modelo de linguagem pequeno.