courseraIT и технологии

Criar embeddings, pesquisa vetorial e RAG com o BigQuery

Курс от Google Cloud

Продвинутый≈ 2.3 чБразильский португальский

О курсе

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.

Навыки, которые вы освоите

Embeddings Retrieval-Augmented Generation Vector Databases AI Workflows Google Gemini Gemini Generative AI

Программа курса

1 модулей · 9 учебных материалов

01Criar embeddings, pesquisa vetorial e RAG com o BigQuery9 материалов

Create Embeddings, Vector Search, and RAG with BigQuery

Por que a RAGВидео EmbeddingsВидео Pesquisa vetorialВидео A RAG em açãoВидео ResumoВидео

Учитесь у экспертов

Google Cloud Training

Преподаватель курса