Aplicativos LLM para dados: crie um assistente de análise RAG — WalkSelf
4.8 (20) ⏱ 2 h 30 min 📚 25 aulas

Aplicativos LLM para dados: crie um assistente de análise RAG

Aprenda a criar assistentes de geração aumentada de recuperação (RAG) personalizados que interagem com seus próprios conjuntos de dados para extrair insights poderosos orientados por IA.

  • 💬 Instrutor de IA
    Pergunte sobre qualquer aula e receba uma resposta clara na hora, quando quiser.
  • 🕐 Comece quando quiser
    Sem horários nem prazos: aprenda no seu ritmo, quando quiser.
  • 🌐 Em português
    Aulas, tarefas e certificado: tudo totalmente no seu idioma.

Sobre este curso

À medida que os conjuntos de dados se tornam mais complexos, a capacidade de consultar e analisar informações usando linguagem natural está se tornando uma habilidade essencial. Adicionar uma camada de IA aos seus fluxos de trabalho de dados permite que você descubra insights de maneira mais rápida e intuitiva. Neste curso escrito fundamental, você aprenderá a projetar e construir um assistente de análise de geração aumentada de recuperação (RAG). O que você vai aprender: - Entenda os conceitos fundamentais de LLM, a terminologia-chave e como eles se aplicam à análise de dados. - Construa uma arquitetura de geração aumentada de recuperação (RAG) para consultar conjuntos de dados personalizados. - Implemente bancos de dados vetoriais modernos para armazenar e recuperar incorporações de dados com eficiência. - Aplique conceitos básicos de engenharia para orientar seu assistente de IA em direção a respostas precisas e relevantes. - Integre ferramentas modernas de dataframe para preparar e estruturar seus dados para o consumo de IA. - Pratique escrever snippets de código que conectem seu pipeline de dados a uma camada de IA com segurança. O curso começa com uma análise clara da terminologia de IA e dos fundamentos do RAG antes de orientá-lo através de exercícios práticos por escrito. Você lerá explicações de texto passo a passo e blocos de código para construir um pipeline de dados confiável e orientado a IA. Projetado para iniciantes e entusiastas de dados, este curso não requer experiência prévia em aprendizado de máquina.

O que você vai receber

  • 📜 Certificado de conclusão
    Adicione ao seu perfil do LinkedIn
  • 💬 Tutor AI pessoal
    Travou em uma aula? Pergunte ao seu tutor integrado qualquer coisa, a qualquer hora.
  • ♾️ Acesso vitalício
    Volte quando quiser, sem expirar
  • 📱 Celular ou computador
    Funciona em qualquer dispositivo
  • 💸 Reembolso em 14 dias
    Sem perguntas
  • Curto e focado
    2 h 30 min de conteúdo prático

Avaliações (20)

Sanath Jayasuriya LK Aluno verificado
★ 5 · 25 julho 2026

Finally a RAG course that's actually hands-on.

Nurul Huda binti Ahmad MY Aluno verificado
★ 4 · 22 julho 2026

Cara membina RAG dan menyambungkan data sendiri dijelaskan dengan baik, cuma berharap bahagian vektor diperdalam lagi.

Татьяна Соколова BY
★ 4 · 22 julho 2026

Долго откладывала изучение RAG, потому что в интернете все объясняют это слишком абстрактно, а тут наконец показали на практике. Курс проводит через весь пайплайн: чанкинг документов, эмбеддинги, векторный поиск и связку с языковой моделью для генерации ответов. Особенно полезной оказалась часть про то, как подключить ассистента к реальным аналитическим данным, а не к игрушечному примеру. Единственное, чего немного не хватило — более глубокого разбора, как оценивать качество ответов ассистента на больших объёмах данных. В остальном курс дал именно то практическое понимание, которого мне не хватало после чтения статей.

Aurora Ricci IT Aluno verificado
★ 5 · 21 julho 2026

Finalmente un corso che spiega RAG facendoti costruire davvero un assistente, non solo leggendo teoria su embedding e vector database. La parte in cui si collega il retriever a dati analitici reali è quella che mi ha aiutato di più a capire l'utilità pratica di tutto questo. Ho finito il corso con un progetto che uso ancora per esplorare i miei dataset.

Felipe Solís CR Aluno verificado
★ 5 · 18 julho 2026

Este curso me abrió los ojos sobre cómo funciona realmente un sistema RAG, más allá de la teoría que había leído por ahí. Construir el asistente paso a paso, desde la parte de recuperación hasta la generación de respuestas, hizo que todo tuviera sentido de una vez. Ahora entiendo por qué mis primeros intentos con embeddings fallaban tanto.

장서준 KR
★ 5 · 13 julho 2026

내 데이터셋에 직접 질문하는 RAG 어시스턴트를 처음부터 끝까지 만들어봐서 정말 유익했어요.

Daniel Evans NZ
★ 4 · 11 julho 2026

Practical RAG build, wish deployment got more coverage.

Paweł Grabowski PL
★ 5 · 8 julho 2026

Świetny kurs, który krok po kroku pokazuje jak zbudować asystenta RAG podłączonego do prawdziwych danych, a nie tylko przykładowego zbioru.

Lucía Vargas CL
★ 5 · 7 julho 2026

Me encantó que el curso no se quede solo en la teoría de RAG, sino que te haga construir un asistente que realmente consulta datos reales. La parte de indexación de documentos y recuperación de contexto está explicada con mucha claridad, incluso para alguien que apenas empezaba con LLMs. Salí del curso con un proyecto funcional que puedo seguir ampliando.

Emilia Fischer AT
★ 5 · 29 junho 2026

Endlich RAG praktisch statt nur Theorie.

Sérgio Neves BR Aluno verificado
★ 5 · 25 junho 2026

Curso excelente para quem quer sair da teoria sobre RAG e realmente construir um assistente que consulta dados de verdade.

Ayo Adesina NG Aluno verificado
★ 4 · 24 junho 2026

Solid RAG walkthrough, though the vector search part felt rushed.

Ugnė Butkutė LT Aluno verificado
★ 5 · 21 junho 2026

Building the retrieval and generation pieces together instead of separately is what finally made RAG make sense to me.

Jonathan Acheampong GH Aluno verificado
★ 5 · 18 junho 2026

This is the first course that made retrieval-augmented generation feel like something I could actually build rather than just read about. Walking through chunking, embeddings, and hooking the retriever up to a real dataset made every piece of the pipeline click. By the end I had an assistant that could answer questions grounded in my own data instead of hallucinating.

يوسف الخليفي TN Aluno verificado
★ 5 · 18 junho 2026

شرح ممتاز وعملي لبناء تطبيق RAG.

Kovács Gábor HU Aluno verificado
★ 5 · 11 junho 2026

RAG पाइपलाइन को शुरू से आखिर तक बनाना सिखाने वाला यह कोर्स सच में बहुत प्रैक्टिकल है।

Bùi Văn Bảo VN
★ 5 · 8 junho 2026

Khóa học RAG thực hành rất dễ hiểu.

ธานินทร์ วิริยะ TH Aluno verificado
★ 5 · 7 junho 2026

ก่อนหน้านี้เคยอ่านบทความเรื่อง RAG มาหลายที่แล้วแต่ก็ยังงงๆ ว่ามันทำงานจริงยังไง พอมาเรียนคอร์สนี้ที่ให้ลงมือสร้าง assistant ตั้งแต่ขั้นตอนแบ่งเอกสารเป็น chunk ไปจนถึงทำ embedding และเชื่อมกับโมเดลภาษา ทุกอย่างก็เริ่มเข้าใจมากขึ้นทันที ชอบมากตรงที่ตัวอย่างเป็นการเชื่อมกับข้อมูลวิเคราะห์จริงๆ ไม่ใช่แค่ข้อมูลตัวอย่างทั่วไป ทำให้เห็นภาพว่าจะเอาไปใช้กับงานตัวเองยังไง จังหวะการสอนก็กำลังดี ไม่เร็วจนตามไม่ทันและไม่ช้าจนน่าเบื่อ พอเรียนจบมีผู้ช่วยที่ตอบคำถามจากข้อมูลของตัวเองได้จริงๆ ไม่ใช่แค่โค้ดตัวอย่างที่รันแล้วจบไป รู้สึกว่าคุ้มค่าเวลามากสำหรับใครที่อยากเข้าใจ RAG แบบลงมือทำจริง

Dawit Abebe ET Aluno verificado
★ 5 · 5 junho 2026

Watching the retrieval pipeline get built piece by piece finally made RAG click for me instead of just being a buzzword.

Lucía Pérez ES Aluno verificado
★ 4 · 29 maio 2026

Muy buena introducción práctica a RAG, aunque me hubiera gustado ver más sobre cómo evaluar la calidad de las respuestas del asistente.

Escrever uma avaliação

Pediremos para fazer login após enviar — o rascunho fica salvo.

Outros também fizeram

Perguntas frequentes

O que preciso para fazer este curso? +

Só um celular ou computador com internet. Sem instalações nem hardware especial.

Como faço para pagar? +

Com cartão via Stripe. Não guardamos dados do cartão — o Stripe processa com segurança.

Posso pedir reembolso? +

Sim — reembolso integral em 14 dias, sem perguntas.

Por quanto tempo terei acesso? +

Para sempre. Uma vez comprado, o curso é seu para revisar quando quiser.

Vou receber um certificado? +

Sim. Ao concluir, você recebe um certificado que pode adicionar ao seu perfil do LinkedIn.

Feito para profissionais em
Tecnologia Design Finanças Marketing Saúde Educação Hotelaria Indústria