Visão Geral

Este curso aborda os conceitos, técnicas e arquiteturas de busca semântica (Semantic Search), permitindo que aplicações compreendam o significado e a intenção das consultas dos usuários em vez de depender exclusivamente de correspondências exatas de palavras-chave. O participante aprenderá a construir mecanismos de busca inteligentes utilizando embeddings, modelos de linguagem, bancos de dados vetoriais, técnicas híbridas de recuperação e arquiteturas modernas de IA. O curso também explora aplicações corporativas em Enterprise Search, Retrieval-Augmented Generation (RAG), sistemas de recomendação e plataformas de conhecimento.

Objetivo

Após realizar este curso, você será capaz de:

• Compreender os fundamentos da busca semântica
• Utilizar embeddings para representação semântica de informações
• Implementar mecanismos modernos de recuperação de conteúdo
• Construir arquiteturas híbridas combinando busca lexical e semântica
• Integrar soluções de busca semântica com LLMs e sistemas RAG
• Otimizar desempenho, relevância e qualidade dos resultados

Publico Alvo

• Engenheiros de IA e Machine Learning
• Desenvolvedores de Software
• Arquitetos de Soluções
• Cientistas de Dados
• Profissionais de LLMOps e MLOps
• Especialistas em gestão do conhecimento e busca corporativa

Pre-Requisitos

• Conhecimentos básicos de Inteligência Artificial
• Familiaridade com Machine Learning
• Noções de bancos de dados e recuperação de informações
• Conhecimentos básicos de Large Language Models são recomendados

Conteúdo Programatico

Module 1: Introduction to Semantic Search

1. Evolution of search technologies
2. Limitations of keyword-based search
3. Fundamentals of semantic search
4. Business applications and use cases
5. Semantic understanding concepts
6. Search ecosystem overview

Module 2: Information Retrieval Fundamentals

1. Core information retrieval concepts
2. Search architectures
3. Query processing techniques
4. Ranking fundamentals
5. Relevance measurement
6. Evaluation methodologies

Module 3: Embeddings for Semantic Search

1. Embedding fundamentals
2. Text representation techniques
3. Sentence and document embeddings
4. Embedding generation models
5. Similarity measurement
6. Embedding quality assessment

Module 4: Vector Search Fundamentals

1. Vector database concepts
2. Similarity search operations
3. Nearest neighbor retrieval
4. Vector indexing strategies
5. Search optimization techniques
6. Scalability considerations

Module 5: Hybrid Search Architectures

1. Lexical search fundamentals
2. Semantic retrieval approaches
3. Hybrid search design patterns
4. Score fusion techniques
5. Search result optimization
6. Enterprise search scenarios

Module 6: Query Understanding and Enhancement

1. Query intent analysis
2. Query expansion techniques
3. Query rewriting strategies
4. Context-aware search
5. User personalization concepts
6. Search experience optimization

Module 7: Enterprise Search Solutions

1. Enterprise knowledge retrieval
2. Document search platforms
3. Internal knowledge bases
4. Content discovery systems
5. Cross-system search architectures
6. Enterprise governance considerations

Module 8: Semantic Search and RAG

1. Retrieval-Augmented Generation fundamentals
2. Retrieval pipeline integration
3. Context enrichment strategies
4. Knowledge grounding techniques
5. Hallucination reduction approaches
6. RAG search optimization

Module 9: Performance Engineering and Scalability

1. Large-scale search architectures
2. Distributed search systems
3. Index optimization
4. Latency reduction techniques
5. Capacity planning
6. Cost-performance optimization

Module 10: Security and Governance

1. Search security principles
2. Access control integration
3. Data privacy considerations
4. Compliance requirements
5. Governance frameworks
6. Audit and monitoring practices

Module 11: Evaluation and Quality Optimization

1. Search quality metrics
2. Relevance evaluation techniques
3. Benchmarking methodologies
4. User satisfaction measurement
5. Continuous optimization strategies
6. Search observability concepts

Module 12: Semantic Search Workshop

1. Embedding generation exercises
2. Vector search implementation
3. Hybrid search laboratories
4. Enterprise search projects
5. Performance optimization activities
6. Final semantic search solution project