Este curso ensina a fundamentar seus sistemas de IA com a tecnologia essencial dos Vector Databases. Domine a gestão e otimização de embeddings para construir aplicações inteligentes escaláveis e eficientes.
Nível: Iniciante a Intermediário
Para quem é: Desenvolvedores, engenheiros de dados, cientistas de dados e arquitetos de software interessados em construir aplicações de IA escaláveis e eficientes.
Ao concluir, você será capaz de: Capacitar o aluno a projetar, implementar e otimizar bancos de dados vetoriais para suportar sistemas inteligentes baseados em embeddings.
7 módulos · 10h · certificado ao final
- Explorar os conceitos fundamentais de embeddings e a necessidade de Vector Databases.
- Analisar as arquiteturas e os principais algoritmos de indexação vetorial (HNSW, IVFFlat).
- Implementar Vector Databases utilizando ferramentas open-source como Qdrant e ChromaDB.
- Integrar Vector Databases com LLMs e frameworks como LangChain para construir aplicações RAG.
- Otimizar consultas e gerenciamento de embeddings para performance e escalabilidade em ambientes de produção.
- Gerenciar a manutenção, backup e deploy de Vector Databases de forma robusta.
- Projeto Final: Construir um sistema de busca semântica ou um protótipo de RAG para documentos com um Vector Database.
Projeto Final
Construção de uma aplicação de busca semântica ou um protótipo de sistema RAG utilizando um Vector Database para indexar e consultar embeddings de documentos.