Inscreva-se Fazer login

Joel Kelley

Participante desde 2026

Otimização do comportamento de agentes Earned Mar 19, 2026 EDT
Primeiros passos na criação de agentes com o Kit de Desenvolvimento de Agente (ADK) Earned Mar 11, 2026 EDT
Noções básicas de agentes Earned Mar 11, 2026 EDT
Implementar a pesquisa vetorial multimodal com o BigQuery Earned Mar 10, 2026 EDT
Criar embeddings, pesquisa vetorial e RAG com o BigQuery Earned Mar 10, 2026 EDT
Como trabalhar com modelos do Gemini no BigQuery Earned Mar 9, 2026 EDT
Aumento de Produtividade com Gemini no BigQuery Earned Mar 5, 2026 EST
Criar um data warehouse com o BigQuery Earned Jan 30, 2026 EST

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.

Saiba mais

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).

Saiba mais

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.

Saiba mais

Conclua o curso intermediário com selo de habilidade Implementar a pesquisa vetorial multimodal com o BigQuery e demonstre que você sabe usar o Gemini no BigQuery para gerar e depurar SQL, fazer a análise de sentimento, resumir textos, identificar palavras-chave, gerar embeddings, criar um pipeline de geração aumentada de recuperação (RAG) e implementar a pesquisa vetorial multimodal.

Saiba mais

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.

Saiba mais

Este curso demonstra como usar modelos de ML/IA para tarefas generativas no BigQuery. Nele, você vai conhecer o fluxo de trabalho para solucionar um problema comercial com modelos do Gemini utilizando um caso de uso prático que envolve gestão de relacionamento com o cliente. Para facilitar a compreensão, o curso também proporciona instruções detalhadas de soluções de programação que usam consultas SQL e notebooks Python.

Saiba mais

Neste curso, vamos conhecer o Gemini no BigQuery, um pacote de recursos com tecnologia de IA que auxilia no fluxo de trabalho de dados para inteligência artificial. Esses recursos incluem preparação e análise detalhada de dados, solução de problemas e geração de código, além da descoberta e visualização do fluxo de trabalho. Com explicações conceituais, um caso de uso prático e o laboratório, o curso ensina aos profissionais de dados como aumentar a produtividade e acelerar o pipeline de desenvolvimento.

Saiba mais

Conclua o selo de habilidade intermediário Criar um data warehouse com o BigQuery para mostrar que você sabe mesclar dados para criar novas tabelas; solucionar problemas de mesclagens; adicionar dados ao final com uniões; criar tabelas particionadas por data; além de trabalhar com JSON, matrizes e structs no BigQuery.

Saiba mais