Tenha uma visão geral conceitual dos agentes de IA. Saiba como esses agentes usam ação e raciocínio autônomos para resolver problemas complexos. Você vai conhecer a arquitetura técnica (modelos, ferramentas e orquestração) que permite aos agentes aprender, planejar e alcançar objetivos em seu nome.
Conclua o selo de habilidade introdutório Orquestre fluxos de trabalho multiagente com o Gemini Enterprise para demonstrar habilidades em: usar assistentes com agentes com tecnologia do Gemini Enterprise para unificar dados em fontes próprias e de terceiros, desenvolver materiais de marketing multimídia e automatizar ações comerciais em sistemas. Os selos de habilidade validam seu conhecimento prático sobre produtos específicos com avaliações em laboratórios e desafios. Ganhe um selo ao concluir um curso ou vá direto para o laboratório com desafio e receba seu selo hoje mesmo. Esses selos comprovam seu domínio em determinados assuntos, aprimoram seu currículo e, por fim, abrem mais portas no mercado de trabalho. Acesse seu perfil para ver os selos que você ganhou.
Conheça a transição essencial de fluxos de trabalho orientados a tarefas para a orquestração de IA centrada em pessoas.
O curso "Agentes de IA generativa: transforme sua organização" é o quinto e último do programa de aprendizado Gen AI Leader. Nesse curso, você aprende como as organizações podem usar agentes de IA generativa personalizados para enfrentar desafios específicos nos negócios. Você aprende na prática a construir um agente básico de IA generativa e quais são os componentes desses agentes, como modelos, ciclos de raciocínio e ferramentas.
Conclua o selo de habilidade avançado Implantação de arquiteturas multiagente para demonstrar que você é capaz de: construir sistemas multiagente com ADK, conectar agentes com o protocolo Agente-para-Agente (A2A, na sigla em inglês), integrar ferramentas externas usando o Protocolo de Contexto de Modelo (MCP, na sigla em inglês) e implementar uma solução multiagente completa no Agent Engine.
Neste curso, você vai aprender a implantar agentes do ADK no Vertex AI Agent Engine e no Cloud Run.
Conheça a arquitetura e a implantação de sistemas multiagente usando o ADK do Google e a infraestrutura robusta do Cloud. Você vai aprender a projetar árvores hierárquicas de agentes e agentes de fluxo de trabalho determinístico, além de identificar o ambiente de hospedagem ideal, do Cloud Run sem servidor ao GKE de alto desempenho, para garantir que seus agentes de IA sejam seguros, escalonáveis e prontos para produção.
Você criou agentes com configurações avançadas. Agora é hora de equipá-los com habilidades do mundo real. Inclua nos agentes ferramentas que permitam pesquisar na web, executar código, consultar bancos de dados e realizar ações específicas. Vá além das respostas inteligentes: transforme os agentes em assistentes capazes de agir. Confira outros conteúdos do programa Gemini Enterprise Agent Ready (GEAR). Participe do fórum da comunidade para tirar dúvidas e acompanhar as discussões.
Você já criou agentes de LLM básicos que respondem a consultas. Agora, vamos dar a eles um estado. Use o estado da sessão para criar agentes que mantenham o contexto, memorizem as preferências do usuário e ofereçam experiências personalizadas. Transforme agentes reativos e sem estado em assistentes inteligentes. Confira outros conteúdos do programa Gemini Enterprise Agent Ready (GEAR). Participe do fórum da comunidade para tirar dúvidas e acompanhar as discussões
Você criou seu primeiro agente. Agora é hora de ir além! Neste curso, você vai aprender a transformar um agente de IA básico em um assistente sofisticado e preciso, aplicando instruções avançadas, seleção de modelos, recursos de planejamento e padrões de respostas estruturados. Confira outros conteúdos do programa Gemini Enterprise Agent Ready (GEAR). Participe do fórum da comunidade para tirar dúvidas e acompanhar as discussões.
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.
Coloque em prática o que você sabe sobre agentes criando, configurando e executando seu primeiro agente de IA com o Kit de Desenvolvimento de Agente (ADK) do Google. Neste curso prático, você vai configurar um ambiente de desenvolvimento completo em ADK, criar agentes usando código Python e configuração YAML e executá-los com várias interfaces. Você também aprenderá os parâmetros centrais que definem o comportamento dos agentes, aplicando em código funcional o que aprendeu no primeiro curso. Confira outros conteúdos do programa Gemini Enterprise Agent Ready (GEAR).
Crie seu primeiro aplicativo do Gemini Enterprise! Conecte diversas fontes de dados ao seu aplicativo para criar um mecanismo de busca e análise avançado e unificado. Domine recursos avançados como agentes Deep Research, ideação multiagente e NotebookLM para análises focadas.
Veja o impacto que os agentes de IA geram nos negócios. Em seguida, saiba como criar e orquestrar os agentes certos com o Gemini Enterprise e conheça desde as soluções sem código até as de desenvolvimento tradicional.
Este curso apresenta noções básicas sobre agentes de IA e explica como eles agregam valor no mundo real. Ele oferece uma base para desenvolvedores, arquitetos e tomadores de decisões técnicas que desejam entender os sistemas de IA pela perspectiva do comportamento autônomo e orientado a objetivos.
Este curso é uma introdução à arquitetura de transformador e ao modelo de Bidirectional Encoder Representations from Transformers (BERT, na sigla em inglês). Você vai aprender sobre os principais componentes da arquitetura de transformador, como o mecanismo de autoatenção, e como eles são usados para construir o modelo de BERT. Também vai conhecer as diferentes tarefas onde é possível usar o BERT, como classificação de texto, respostas a perguntas e inferência de linguagem natural. O curso leva aproximadamente 45 minutos.
In this Google DeepMind course you will discover the mechanisms of the transformer architecture. You will investigate how transformer language models process prompts to make context-sensitive next-token predictions. Through practical activities you will explore the attention mechanism, visualize attention weights, and encounter advanced concepts like masked attention and multi-head attention. You will also learn other techniques that are necessary to build neural networks that are well-suited to be used as language models. Finally, through activities on values, stakeholder mapping and community engagement, you will practice concrete tools for ensuring AI projects are developed with communities, not just for them.
This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.
Receba o selo de habilidade avançado Google DeepMind: treinar um modelo de linguagem pequeno 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. Acesse este laboratório sem custo financeiro ao se inscrever na assinatura sem custo financeiro. Receba 35 créditos sem custo financeiro por mês!
Train more powerful models with a single GPU. In this course, you will learn how hardware can speed up model training and the key considerations when training models on a GPU. First, you will learn how to estimate the number of computations and the amount of computer memory required to train large neural networks. You will then discover techniques for reducing the computing and memory requirements when training a model. Techniques which you will apply for fine-tuning a Gemma model with 4 billion parameters. Finally, you will consider the potential environmental impacts of machine learning, with a focus on where questions of energy, water, and e-waste intersect with justice and equity.
Unleash the power of language models with fine-tuning. In this course, you will learn how to adjust a pre-trained model to a specific task. You will start with full-parameter fine-tuning using a small language model. To tune larger models like Gemma, you will learn parameter-efficient techniques with a focus on LoRA. Finally, you will be briefly introduced to reinforcement learning as an alternative to supervised fine-tuning (SFT). You will also explore how AI is imagined and made sense of in cultural contexts. You will consider why responsible AI is not just about technical safety but also about building governance systems that reflect community values and protect the public interest.
In this Google DeepMind course you will focus on the training process for machine learning models. You will learn how to spot and mitigate issues when training a model, such as overfitting and underfitting. In practical coding labs, you will implement and evaluate the multilayer perceptron for simple classification tasks. This will provide insights into the mechanics of training a neural network model and the backpropagation algorithm. Research case studies will demonstrate how neural networks power real-world models. Additionally, you will consider the broader social impacts of innovation by looking beyond immediate benefits to anticipate potential risks, safety concerns, and further-reaching societal consequences.
In this Google DeepMind course you will learn how to prepare text data for language models to process. You will investigate the tools and techniques used to prepare, structure, and represent text data for language models, with a focus on tokenization and embeddings. You will be encouraged to think critically about the decisions behind data preparation, and what biases within the data may be introduced into models. You will analyze trade-offs, learn how to work with vectors and matrices, how meaning is represented in language models. Finally, you will practice designing a dataset ethically using the Data Cards process, ensuring transparency, accountability, and respect for community values in AI development.
In this Google DeepMind course, you will learn the fundamentals of language models and gain a high-level understanding of the machine learning development pipeline. You will consider the strengths and limitations of traditional n-gram models and advanced transformer models. Practical coding labs will enable you to develop insights into how machine learning models work and how they can be used to generate text and identify patterns in language. Through real-world case studies, you will build an understanding around how research engineers operate. Drawing on these insights you will identify problems that you wish to tackle in your own community and consider how to leverage the power of machine learning responsibly to address these problems within a global and local context.