Your cart is empty.
Keep shoppingLangChain e LangGraph: Crie Agentes de IA com LLMs e RAGs
3,415 students
LangChain e LangGraph: Crie Agentes de IA com LLMs e RAGs
Crie Aplicações de IA Generativa usando Langchain, Langgraph, Python, Pinecone, OpenAI, Gemini Streamlit e muito mais!
Created byFernando Amaral
Last updated 10/2025
Portuguese
What you'll learn
- Explore chains, sequential chains e router chains no LangChain.
- Domine o uso de LangChain, incluindo caching e templates.
- Utilize tools, agents e react agents para tarefas avançadas.
- Crie e utilize embeddings para representar textos em espaços vetoriais.
- Desenvolva aplicações web interativas com Streamlit e LLMs.
- Aprenda a armazenar e recuperar vetores usando Pinecone.
- Implemente buscas semânticas em documentos jurídicos com RAG.
- Veja exemplos práticos com o modelo Gemini do Google.
- Aplique técnicas avançadas de NLP com LangChain.
- Melhore suas habilidades em IA com exemplos práticos e projetos
Explore related topics
Course content
11 sections • 57 lectures • 5h 25m total length
Requirements
- Conhecimentos básicos em Python
- Você vai precisar colocar USD 5 de crédito para usar a API da OpenAI
Description
Bem-vindo ao curso de LangChain em Python! Aprenda esta tecnologia revolucionária que permite que você desenvolva aplicações completas usando IA Generativa com Grandes Modelos de Linguagem. Este curso foi cuidadosamente desenvolvido para fornecer a você um entendimento profundo e prático das mais recentes tecnologias de processamento de linguagem natural e integração de modelos de linguagem de grande escala. O que você aprenderá:
1. Introdução: Apresentação do curso e configuração do ambiente.
2.Uso de LLMs: Exemplos práticos de uso de modelos de linguagem (LLMs) com OpenAI, incluindo completion e chat.
3. LangChain: Conceitos fundamentais e avançados: caching, templates, chains, sequential chains, router chains, tools, agents, e react agents.
4. Embeddings: Criação e utilização de embeddings para representar texto em espaços vetoriais.
5. Aplicação de LLM Web com Streamlit: Desenvolvimento de aplicações web interativas utilizando Streamlit e LLMs.
6. Vectorstores e Pinecone: Armazenamento e recuperação de vetores com Pinecone.
7. RAG (Retrieval-Augmented Generation): Implementação de busca semântica em documentos jurídicos.
8. Usando Outros Modelos: Exemplos práticos com modelos alternativos, como o Gemini do Google.
9.Apresentação do LangGraph: Como o LangGraph complementa o Langchain
10.Exemplos de Aplicações: Desenvolvimento de aplicações usando LangGraph e Langchain
Você ainda vai ter:
Suporte Completo: Estamos aqui para ajudar você em cada etapa do seu aprendizado.
Acesso Vitalício: Revise e estude no seu próprio ritmo, a qualquer momento.
Certificado de Conclusão: Comprove seu conhecimento e avance em sua carreira.
Material Complementar: Recursos adicionais para aprofundar seu entendimento.
Who this course is for:
- Este curso é ideal para desenvolvedores, cientistas de dados, e entusiastas de tecnologia que desejam expandir suas habilidades em processamento de linguagem natural e integração de modelos de linguagem.