Joel Kelley
Menjadi anggota sejak 2026
Menjadi anggota sejak 2026
Anda telah membangun agen pertama Anda. Sekarang saatnya mengembangkannya lebih lanjut. Dalam kursus ini, Anda akan meningkatkan keterampilan dengan mempelajari cara mengubah agen AI dasar menjadi asisten yang canggih dan presisi. Hal ini dilakukan dengan menerapkan petunjuk tingkat lanjut, pemilihan model, kemampuan perencanaan, dan pola output terstruktur. Gabung dengan forum komunitas untuk bertanya dan berdiskusi
Wujudkan pemahaman Anda tentang agen agar menjadi realita praktis dengan membangun, mengonfigurasi, dan menjalankan agen AI pertama Anda menggunakan Agent Development Kit (ADK) Google. Dalam kursus praktik ini, Anda akan menyiapkan lingkungan pengembangan ADK yang lengkap, membuat agen dengan kode Python dan konfigurasi YAML, serta menjalankannya melalui berbagai antarmuka. Anda juga akan mempelajari parameter inti yang menentukan perilaku agen, dengan menerapkan hal yang telah Anda pelajari di kursus 1 pada kode yang berfungsi.
Agen AI merepresentasikan peralihan besar melampaui model bahasa besar (LLM) tradisional: alih-alih hanya menghasilkan solusi berbasis teks, agen AI juga dapat bertindak secara otonom untuk mengeksekusinya. Kursus ini memperkenalkan dasar-dasar Agen AI, apa perbedaannya dengan API LLM, dan di mana agem ini memberikan nilai tambah di dunia nyata. Berdasarkan laporan resmi agen Google, kursus ini memberikan landasan teoritis yang dibutuhkan sebelum menulis baris kode agen pertama Anda—cocok untuk developer, arsitek, dan pengambil keputusan teknis yang ingin memahami sistem AI melalui lensa perilaku otonom dan berorientasi pada sasaran (bukan hanya pembuatan teks). Bergabunglah dengan forum komunitas untuk bertanya dan berdiskusi.
Menyelesaikan badge keahlian tingkat menengah Menerapkan Penelusuran Vektor Multimodal dengan BigQuery untuk menunjukkan keterampilan dalam hal berikut: menggunakan Gemini in BigQuery untuk menghasilkan dan men-debug SQL, melakukan analisis sentimen, meringkas teks dan mengidentifikasi kata kunci, menghasilkan embedding, membuat pipeline Retrieval-Augmented Generation (RAG), serta menerapkan penelusuran vektor multimodal.
Kursus ini mengeksplorasi solusi Retrieval-Augmented Generation (RAG) di BigQuery untuk memitigasi halusinasi AI. Kursus ini akan memperkenalkan alur kerja RAG yang mencakup pembuatan embedding, penelusuran ruang vektor, dan pembuatan jawaban yang lebih baik. Kursus ini akan menjelaskan alasan konseptual di balik langkah-langkah ini dan implementasi praktisnya dengan BigQuery. Di akhir kursus, peserta akan dapat membangun pipeline RAG menggunakan BigQuery dan model AI generatif seperti Gemini dan model embedding untuk menangani kasus penggunaan halusinasi AI mereka sendiri.
Kursus ini menunjukkan cara menggunakan model AI/ML untuk tugas-tugas AI generatif di BigQuery. Melalui kasus penggunaan praktis yang melibatkan pengelolaan hubungan pelanggan (CRM), Anda akan mempelajari alur kerja pemecahan masalah bisnis dengan model Gemini. Untuk memudahkan pemahaman, kursus ini juga menyediakan panduan langkah demi langkah melalui solusi coding menggunakan kueri SQL dan notebook Python.
Kursus ini mengeksplorasi Gemini in BigQuery, yakni paket fitur yang didukung AI untuk membantu alur kerja data ke AI. Paket fitur ini meliputi eksplorasi dan persiapan data, pembuatan kode dan pemecahan masalah, serta penemuan dan visualisasi alur kerja. Melalui penjelasan konseptual, kasus penggunaan praktis, dan lab interaktif, kursus ini akan membantu para praktisi data dalam meningkatkan produktivitas mereka dan mempercepat pipeline pengembangan.
Selesaikan badge keahlian tingkat menengah Membangun Data Warehouse dengan BigQuery untuk menunjukkan keterampilan Anda dalam hal berikut: menggabungkan data untuk membuat tabel baru, memecahkan masalah penggabungan, menambahkan data dengan union, membuat tabel berpartisi tanggal, serta menggunakan JSON, array, dan struct di BigQuery.