Fundamentos de Bancos de Dados Vetoriais: Qdrant, Weaviate e pgvector — WalkSelf

Fundamentos de Bancos de Dados Vetoriais: Qdrant, Weaviate e pgvector

Aprenda a construir sistemas modernos de Retrieval-Augmented Generation (RAG) usando Python e bancos de dados vetoriais prontos para produção para aplicações backend.

⏱ 49 min 📚 11 aulas 🎧 Versão em áudio

Sobre este curso

Aplicações modernas de AI, de motores de busca inteligentes a agentes conversacionais, exigem uma abordagem completamente nova para armazenar e recuperar dados. Bancos de dados vetoriais surgiram como a espinha dorsal essencial para esses sistemas de ponta. Este curso desmistifica o mundo dos dados vetoriais, guiando você desde conceitos teóricos básicos até a implementação prática. Você aprenderá como lidar com vector embeddings, realizar buscas por similaridade e construir sistemas fundamentais de Retrieval-Augmented Generation (RAG) usando Python. Ao explorar tecnologias líderes como Qdrant, Weaviate e pgvector, você adquirirá as habilidades para preencher a lacuna entre a engenharia de backend tradicional e os fluxos de dados modernos de machine learning. O que você aprenderá: • Compreender os conceitos centrais de vector embeddings, dimensões e busca semântica. • Configurar e interagir com bancos de dados vetoriais populares como Qdrant e Weaviate. • Aplicar pgvector para adicionar busca por similaridade vetorial poderosa a bancos de dados relacionais existentes. • Construir pipelines fundamentais de Retrieval-Augmented Generation (RAG) usando Python. • Praticar técnicas de ingestão de dados e indexação para otimizar o desempenho de recuperação. • Projetar arquiteturas de backend que suportem recursos modernos de AI e machine learning. O curso começa estabelecendo a terminologia chave e a intuição matemática por trás dos espaços vetoriais, antes de passar para tutoriais práticos escritos sobre configuração de banco de dados e integração com Python. Você acompanhará explicações em texto claras e trechos de código para consolidar seu entendimento. Projetado para desenvolvedores backend iniciantes, aspirantes a engenheiros de dados e qualquer pessoa interessada em desenvolvimento de AI, este material não exige conhecimento prévio em machine learning. Comece a ler hoje para desbloquear o poder dos bancos de dados vetoriais e elevar suas habilidades de engenharia.

O que você vai receber

  • 📜 Certificado de conclusão
    Adicione ao seu perfil do LinkedIn
  • 🎧 Versão em áudio incluída
    Estude em qualquer lugar, sem tela
  • ♾️ Acesso vitalício
    Volte quando quiser, sem expirar
  • 📱 Celular ou computador
    Funciona em qualquer dispositivo
  • 💸 Reembolso em 14 dias
    Sem perguntas
  • Curto e focado
    49 min de conteúdo prático

Avaliações (2)

Alice Moretti IT
★ 4 · 2026-01-12T19:44:23+00:00

Confronto utile tra Qdrant, Weaviate e pgvector; avrei voluto qualche esempio in più su pgvector, ma nel complesso ottimo.

Наталья Соколова RU Aluno verificado
★ 5 · 2025-11-14T08:01:06+00:00

Наконец перестал путаться, какую векторную базу выбрать под задачу. Понравилось, что Qdrant и Weaviate показали на живых примерах, а не просто перечислили фичи. Собрал свой первый RAG на Python прямо по ходу курса и всё завелось.

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