Visão Geral

O curso Engenharia de IA Generativa com Databricks foi desenvolvido para capacitar cientistas de dados, engenheiros de machine learning e demais profissionais da área de dados a criarem, avaliarem, implantarem e monitorarem aplicações de IA generativa utilizando os recursos mais modernos da plataforma Databricks. O curso oferece uma abordagem prática com foco em arquiteturas RAG, vetores, agentes autônomos, avaliação de LLMs e monitoramento com Lakehouse.

Objetivo

Após realizar este curso Engenharia de IA Generativa com Databricks, você será capaz de:

• Construir soluções de IA generativa baseadas em arquitetura RAG com Databricks e Mosaic AI
• Desenvolver aplicações de IA generativa com cadeias de raciocínio e agentes autônomos
• Avaliar e aplicar governança em aplicações de LLMs usando os recursos do Databricks
• Implantar e monitorar aplicações generativas com boas práticas e LLMOps

Publico Alvo

• Cientistas de dados
• Engenheiros de machine learning
• Engenheiros de dados
• Profissionais que atuam com NLP e LLMs
• Arquitetos de soluções em IA

Pre-Requisitos

• Familiaridade com conceitos de Processamento de Linguagem Natural (NLP)
• Conhecimento prévio em engenharia de prompt
• Experiência com a plataforma Databricks
• Noções de arquitetura RAG e bancos de dados vetoriais
• Experiência prévia na construção de aplicações LLM com LangChain ou HuggingFace
• Familiaridade com as ferramentas da Databricks para avaliação e governança

Materiais

Conteúdo Programatico

Módulo 1 – Desenvolvimento de Soluções de IA Generativa

1. Introdução à arquitetura RAG (Retrieval-Augmented Generation)
2. Uso do Mosaic AI Playground para explorar informações contextuais
3. Preparando dados para aplicações RAG
4. Fundamentos de vetores, embeddings e bancos de dados vetoriais
5. Utilização do Mosaic AI Vector Search
6. Montagem e avaliação de uma aplicação RAG completa

Módulo 2 – Desenvolvimento de Aplicações de IA Generativa

1. Fundamentos de sistemas compostos de IA generativa
2. Decomposição de problemas e escolha de modelos apropriados
3. Construção de cadeias de raciocínio multiestágio com LangChain e HuggingFace
4. Conceito de agentes em IA generativa
5. Desenvolvimento de agentes autônomos com Databricks e LLMs

Módulo 3 – Avaliação e Governança de Aplicações de IA Generativa

1. Importância da avaliação e da segurança em GenAI
2. Recursos do Databricks para governança de aplicações LLM
3. Técnicas de avaliação de componentes e aplicações específicas
4. Avaliação de desempenho e custo de aplicações generativas ponta a ponta

Módulo 4 – Implantação e Monitoramento de Aplicações de IA Generativa

1. Fundamentos de implantação de modelos generativos
2. Métodos de implantação: batch vs real-time
3. Servindo modelos com Databricks Model Serving
4. Monitoramento de aplicações com Lakehouse Monitoring
5. Introdução a conceitos e práticas de LLMOps