Quinta Etapa: Exploração de Cenários de Aplicação de IA

Curso intensivo de 5 dias sobre Agentes de IA, oferecido conjuntamente pelo Google e Kaggle, ensinando como construir, avaliar e implantar sistemas de agentes de IA prontos para produção.

Start Learning AI →
AgentesDeIAGoogleGeminiWebSiteVideoFreeEnglish

Curso Intensivo de 5 Dias sobre Agentes de IA – Google & Kaggle

Visão Geral do Curso

Este é um curso online gratuito, cuidadosamente elaborado por pesquisadores e engenheiros de aprendizado de máquina do Google, com o objetivo de ajudar desenvolvedores a dominar as habilidades de construção, avaliação e implantação de agentes de IA (AI Agents). O curso é uma versão avançada lançada pelo Google e Kaggle após o sucesso anterior do curso intensivo de IA Generativa (que atraiu mais de 280 mil alunos).

Informações Básicas

  • Datas do curso: 10 a 14 de novembro de 2025 (5 dias)
  • Formato: Totalmente online
  • Custo: Totalmente gratuito
  • Organizadores: Google & Kaggle
  • Idioma do curso: Inglês
  • Número esperado de participantes: Centenas de milhares de alunos

Destaques do Curso

  1. Combinação de teoria e prática: Cada dia inclui explicações conceituais detalhadas, laboratórios práticos (Codelabs) e discussões ao vivo.
  2. Materiais de aprendizagem diversificados:
    • Podcasts gerados por IA (criados com NotebookLM)
    • Whitepapers técnicos (escritos por especialistas do Google)
    • Laboratórios de programação práticos
    • Aulas ao vivo no YouTube
    • Suporte pela comunidade no Discord
  3. Projeto prático final: Ao final do curso, haverá um projeto Capstone; os melhores projetos terão a chance de ganhar prêmios e serão exibidos nas redes sociais oficiais do Google e Kaggle.
  4. Certificado de conclusão: Ao concluir o projeto Capstone, os participantes receberão um selo (badge) do Kaggle.

Estrutura do Curso e Stack Tecnológica

Tecnologias Principais

  • Modelo principal: Google Gemini
  • Framework de desenvolvimento: Agent Development Kit (ADK)
  • Protocolo de comunicação: Model Context Protocol (MCP)
  • Plataforma: Kaggle (para Codelabs)
  • Linguagem de programação: Python
  • Ferramentas auxiliares: NotebookLM

Componentes Principais

O curso aborda os cinco componentes essenciais dos Agentes de IA:

  1. Models (Modelos): Fundamentos de grandes modelos de linguagem (LLMs)
  2. Tools (Ferramentas): Chamadas a funções externas e APIs
  3. Orchestration (Orquestração): Coordenação de fluxos de trabalho
  4. Memory (Memória): Gerenciamento de memória de curto e longo prazo
  5. Evaluation (Avaliação): Garantia de qualidade e métricas de desempenho

Detalhamento Diário do Curso

Dia 1: Introdução aos Agentes de IA e Arquitetura

Tema: Compreender a diferença entre sistemas de agentes e LLMs

Conteúdo principal:

  • Classificação das capacidades de agentes
  • Necessidade da especificação "Agent Ops"
  • Importância da interoperabilidade e segurança
  • Construção de agentes de raciocínio usando o ADK
  • Orquestração do ciclo Think-Act-Observe
  • Exploração de padrões de design para múltiplos agentes

Materiais de estudo:

  • Whitepaper: Introduction to Agents
  • Podcast: Resumo da Unidade 1 (via NotebookLM)
  • Codelabs:
    • Building Agentic Apps with the Agent Development Kit (ADK)
    • Introduction to LangGraph
    • Function Calling with the Gemini API

Habilidades adquiridas:

  • Compreensão da arquitetura básica de agentes
  • Domínio do mecanismo de ciclo de agentes
  • Capacidade de construir agentes básicos com o ADK

Dia 2: Ferramentas de Agentes e Interoperabilidade com MCP

Tema: Realizar operações no mundo real por meio de APIs e ferramentas

Conteúdo principal:

  • Integração de ferramentas e funções externas
  • Recuperação de dados em tempo real
  • Introdução ao Model Context Protocol (MCP)
  • Tratamento de operações complexas e de longa duração

Materiais de estudo:

  • Whitepaper: Agent Tools & Interoperability with Model Context Protocol (MCP)
  • Podcast: Resumo da Unidade 2 (via NotebookLM)
  • Codelabs:
    • Function Calling with the Gemini API
    • Using tools with LangGraph
    • Prompt Caching with the Gemini API

Habilidades adquiridas:

  • Implementação de chamadas de função (Function Calling)
  • Utilização do protocolo MCP
  • Integração de ferramentas e APIs externas

Dia 3: Engenharia de Contexto e Memória

Tema: Implementação de sistemas de memória de curto e longo prazo

Conteúdo principal:

  • Práticas de engenharia de contexto
  • Montagem e gerenciamento dinâmico de informações
  • Sessions (sessões) – histórico imediato
  • Memory (memória) – persistência de longo prazo
  • Criação de experiências personalizadas com estado

Materiais de estudo:

  • Whitepaper: Context Engineering: Sessions & Memory
  • Podcast: Resumo da Unidade 3 (via NotebookLM)
  • Codelabs:
    • Context Caching with the Gemini API
    • Long-term Memory using LangGraph
    • Personalization with Gemini API

Habilidades adquiridas:

  • Gerenciamento eficaz da janela de contexto
  • Construção de sistemas de memória
  • Criação de experiências personalizadas com agentes

Dia 4: Qualidade, Logs e Avaliação

Tema: Observabilidade, rastreamento e métricas de desempenho

Conteúdo principal:

  • Quadro abrangente de garantia de qualidade para agentes
  • Fundamentos de observabilidade (Logs, Traces, Metrics)
  • Ciclos de feedback escaláveis
  • Método LLM-as-a-Judge
  • Fluxos de trabalho Human-in-the-Loop (HITL)

Materiais de estudo:

  • Whitepaper: Agent Quality
  • Podcast: Resumo da Unidade 4 (via NotebookLM)
  • Codelabs:
    • LangSmith Fundamentals
    • Evaluating Agentic Applications
    • A/B Testing with Agents

Habilidades adquiridas:

  • Implementação de sistemas de avaliação de qualidade
  • Uso de ferramentas de logs e rastreamento
  • Desenho de métricas de avaliação

Dia 5: Do Protótipo à Produção

Tema: Implantação e escalabilidade de sistemas multiagente

Conteúdo principal:

  • Ciclo de vida operacional de agentes (implantação, escalabilidade, produção)
  • Transição de protótipos para soluções empresariais
  • Protocolo Agent2Agent (A2A)
  • Implantação no Vertex AI Agent Engine
  • Arquitetura de sistemas multiagente

Materiais de estudo:

  • Whitepaper: Prototype to Production
  • Podcast: Resumo da Unidade 5 (via NotebookLM)
  • Codelabs:
    • Multi-agent Workflows with LangGraph
    • Human-in-the-loop Workflows in LangGraph
    • Deploying Agents with Google Cloud

Habilidades adquiridas:

  • Implantação de agentes em ambiente de produção
  • Construção de sistemas colaborativos multiagente
  • Escalonamento com o Google Cloud

Projeto Capstone

Cronograma

  • Início: 14 de novembro de 2025 (após a conclusão do quinto dia de curso)
  • Prazo de entrega: 30 de novembro de 2025, às 23h59 (horário PT)
  • Tempo de desenvolvimento: Aproximadamente 2 semanas

Requisitos do Projeto

  1. Projetar e implementar um agente de IA utilizando o Agent Development Kit (ADK)
  2. Demonstrar pelo menos três funcionalidades principais aprendidas no curso (ex.: uso de ferramentas, memória, avaliação)
  3. Entregar documentação escrita no Kaggle
  4. Incluir um breve vídeo de demonstração e descrição do projeto

Recompensas

  • Todos os concluintes: Receberão um selo (badge) no perfil do Kaggle
  • Top 10:
    • Produtos exclusivos do Kaggle
    • Exibição pública nas contas oficiais de mídia social do Google e Kaggle

Carga Horária Estimada

  • Atividades diárias: 1–2 horas
  • Aulas ao vivo: 45–60 minutos (opcionais, com gravação disponível)
  • Total diário estimado: Cerca de 2–3 horas
  • Flexibilidade: Possibilidade de estudar no próprio ritmo, adequado para quem trabalha ou estuda em período integral

Público-Alvo

Mais Adequado Para

✅ Desenvolvedores com experiência prévia em IA/ML/LLMs que desejam avançar para o desenvolvimento de agentes
✅ Profissionais que trabalham com fluxos de trabalho automatizados ou tarefas multietapas
✅ Alunos dispostos a dedicar tempo a atividades práticas e sessões ao vivo
✅ Pessoas interessadas em construir projetos concretos que possam ser apresentados internamente ou utilizados em organizações
✅ Cientistas de dados, engenheiros de ML e desenvolvedores de software

Menos Adequado Para

❌ Iniciantes sem base em IA/ML que ainda estão aprendendo o uso básico de LLMs
❌ Pessoas incapazes de comprometer-se com 1–2 horas diárias de estudo

Pré-requisitos

  • Conhecimentos básicos em programação Python (útil, mas não obrigatório)
  • Interesse em IA, aprendizado de máquina ou ciência de dados
  • Familiaridade com notebooks Python e bibliotecas comuns de agentes

Resultados de Aprendizagem

Ao concluir este curso, você será capaz de:

  1. ✅ Projetar uma estrutura clara para agentes (objetivo → planejamento → chamada de ferramentas → memória → avaliação)
  2. ✅ Obter experiência prática por meio de Codelabs e do projeto Capstone
  3. ✅ Compreender considerações de produção (registro de logs, tolerância a falhas, escalabilidade)
  4. ✅ Receber um certificado de conclusão e integrar-se a uma rede comunitária
  5. ✅ Construir desde agentes simples até sistemas complexos multiagente
  6. ✅ Dominar métodos de avaliação e otimização de agentes

Pontos Altos do Curso

Por Que Estudar Agentes de IA?

De acordo com o Google: as empresas estão migrando de chamadas isoladas a modelos para plataformas de agentes que permitem experimentação e implantação em escala. Os agentes tornaram-se a forma como equipes transformam modelos poderosos em softwares funcionais — encapsulando LLMs com memória, uso de ferramentas, planejamento e avaliação, permitindo que realizem tarefas multietapas de forma confiável.

Agente vs. LLM

  • LLM tradicional: Resposta única a um prompt
  • Agentes de IA:
    • Capazes de planejar
    • Chamam ferramentas
    • Coordenam-se com outros agentes
    • Possuem memória
    • Avaliam e otimizam seu desempenho
    • Executam tarefas multietapas de forma confiável

Recursos do Curso

Links Oficiais

Dicas de Estudo

  1. Prepare seu ambiente com antecedência: Certifique-se de estar familiarizado com notebooks Python e bibliotecas comuns de agentes.
  2. Escolha um problema real: Comece com um pequeno fluxo de trabalho automatizável (ex.: relatórios semanais, classificação de suporte, QA de conteúdo).
  3. Defina métricas de avaliação: Esboce indicadores simples de sucesso (taxa de conclusão de tarefas, latência, tempo de revisão humana economizado).
  4. Dias 1–2: Domine os fundamentos — ciclo de agentes, chamada de ferramentas, memória.
  5. Dia 3: Adicione avaliação cedo — mesmo verificações básicas evitam direcionar mal a otimização.
  6. Dia 4: Adote configurações multiagente ou multiferramenta somente se necessário para seu caso de uso.

Vantagem Competitiva

Como um dos primeiros cursos estruturados sobre agentes, concluí-lo lhe dará:

  • 🎯 Vantagem inicial enquanto muitas organizações ainda exploram como adotar IA de agentes
  • 🎯 Um projeto concreto para apresentar a stakeholders ou incluir em seu portfólio
  • 🎯 Uma rede profissional na comunidade do Google e Kaggle
  • 🎯 Uma transição clara de “conhecer agentes” para “entregar agentes”

Comunidade e Suporte

  • Canal no Discord: Ativamente mantido e apoiado por funcionários do Google
  • Palestras ao vivo com especialistas: Sessões de perguntas e respostas com pesquisadores e engenheiros do Google
  • Comunidade global de aprendizagem: Centenas de milhares de alunos aprendendo juntos
  • Gravações disponíveis: Todas as aulas ao vivo são gravadas, facilitando o acompanhamento em diferentes fusos horários

Conclusão

O Curso Intensivo de 5 Dias sobre Agentes de IA é uma oportunidade oportuna e rigorosa para ajudar desenvolvedores e profissionais de ML a evoluir de “aplicações com LLMs” para “sistemas de agentes”. À medida que a IA passa de recomendações para ações, aqueles que compreendem como construir agentes com memória, ferramentas, coordenação, avaliação e capacidade de implantação estarão em posição privilegiada.

Este não é apenas um curso — é um passe de entrada para a era dos Agentes de IA.