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.
Você já criou agentes de LLM básicos que respondem a perguntas. 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.
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.
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. Participe do fórum da comunidade para tirar dúvidas e ver as discussões.
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.
Saiba como usar o Kit de Desenvolvimento de Agente (ADK). Este curso aborda o framework de código aberto do ADK, partindo da simples engenharia de comando para uma abordagem de desenvolvimento de software estruturada e com foco no código, ideal para sistemas multiagentes de nível empresarial.
Este é um curso de microlearning de nível introdutório que explica o que são modelos de linguagem grandes (LLM), os casos de uso em que podem ser aplicados e como é possível fazer o ajuste de comandos para aprimorar o desempenho dos LLMs. O curso também aborda as ferramentas do Google que ajudam a desenvolver seus próprios apps de IA generativa.
Quanto maior é o uso da inteligência artificial empresarial e do machine learning, mais importante é desenvolvê-los de maneira responsável. Para muitos, falar sobre a IA responsável pode ser mais fácil, mas colocá-la em prática é um desafio. Se você tem interesse em aprender a operacionalizar a IA responsável na sua organização, este curso é para você. Nele, você vai aprender como o Google Cloud faz isso hoje, além de analisar práticas recomendadas e lições aprendidas, a fim de criar uma base para elaborar sua própria abordagem de IA responsável.
Este curso apresenta um resumo da arquitetura de codificador-decodificador, que é uma arquitetura de machine learning avançada e frequentemente usada para tarefas sequência para sequência (como tradução automática, resumo de textos e respostas a perguntas). Você vai conhecer os principais componentes da arquitetura de codificador-decodificador e aprender a treinar e disponibilizar esses modelos. No tutorial do laboratório relacionado, você vai codificar uma implementação simples da arquitetura de codificador-decodificador para geração de poesia desde a etapa inicial no TensorFlow.
Este curso é uma introdução ao mecanismo de atenção, uma técnica avançada que permite que as redes neurais se concentrem em partes específicas de uma sequência de entrada. Você vai entender como a atenção funciona e como ela pode ser usada para melhorar o desempenho de várias tarefas de machine learning (como tradução automática, resumo de texto e resposta a perguntas).
Este é um curso de microaprendizagem introdutório que busca explicar a IA responsável: o que é, qual é a importância dela e como ela é aplicada nos produtos do Google. Ele também contém os 7 princípios de IA do Google.
Este é um curso de microaprendizagem introdutório que busca explicar a IA generativa: o que é, como é usada e por que ela é diferente de métodos tradicionais de machine learning. O curso também aborda as ferramentas do Google que ajudam você a desenvolver apps de IA generativa.
Neste curso, apresentamos os modelos de difusão, uma família de modelos de machine learning promissora no campo da geração de imagens. Os modelos de difusão são baseados na física, mais especificamente na termodinâmica. Nos últimos anos, eles se popularizaram no setor e nas pesquisas. Esses modelos servem de base para ferramentas e modelos avançados de geração de imagem no Google Cloud. Este curso é uma introdução à teoria dos modelos de difusão e como eles devem ser treinados e implantados na Vertex AI.