Construindo Agentes de AI com LlamaIndex e RAG

À medida que a inteligência artificial evolui, modelos de linguagem estáticos não são mais suficientes; aplicações modernas exigem AI que possa recuperar dados personalizados ativamente e executar tarefas de várias etapas. Este curso ensina como preencher a lacuna entre grandes modelos de linguagem e suas próprias fontes de dados usando LlamaIndex. Você começará com os conceitos fundamentais de agentes de AI e Retrieval-Augmented Generation (RAG), avançando passo a passo pelo processo de construção de fluxos de trabalho agentic robustos e baseados em dados. O que você aprenderá: Compreender a terminologia fundamental de agentes de AI, LLMs e arquiteturas RAG. Configurar LlamaIndex para ingerir, indexar e consultar suas fontes de dados personalizadas. Construir pipelines RAG básicos para melhorar a precisão e a relevância das respostas da AI. Projetar fluxos de trabalho agentic que possam decompor consultas complexas e rotear tarefas de forma eficaz. Integrar bancos de dados vetoriais modernos para armazenar e recuperar dados com eficiência. Aplicar conceitos básicos de prompt engineering para guiar seus agentes em direção a resultados confiáveis. O curso começa com a terminologia essencial e conceitos fundamentais antes de guiá-lo através de exercícios escritos para construir seus primeiros índices de dados e loops agentic. Você progredirá de simples consultas de documentos para o design de agentes de AI de várias etapas, capazes de raciocinar sobre conjuntos de dados complexos. Este curso foi desenvolvido para iniciantes, aspirantes a engenheiros de dados e desenvolvedores sem experiência prévia em AI que desejam entender a mecânica dos fluxos de trabalho agentic. Comece a ler hoje para desbloquear o potencial dos seus dados e construir seu primeiro agente de AI inteligente.