Fundamentos de Bancos de Dados Vetoriais: Qdrant, Weaviate e pgvector — PickAClass
4.5 (2) ⏱ 2 h 54 min 📚 29 aulas 🎧 Versão em áudio

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.

  • 💬 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

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
  • 💬 Tutor AI pessoal
    Travou em uma aula? Pergunte ao seu tutor integrado qualquer coisa, a qualquer hora.
  • 🎧 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
    2 h 54 min de conteúdo prático

Certificado de conclusão

Cada curso que você conclui na PickAClass emite uma credencial como esta — original, com seu próprio código, verificável por URL e detalhada sobre o que foi de fato demonstrado.

P
PickAClass
Perfil de habilidades · verificável
Documento
Certificado de Maestria
Isto certifica que
Nome Sobrenome
demonstrou com sucesso o domínio de
Fundamentos de Bancos de Dados Vetoriais: Qdrant, Weaviate e pgvector
Habilidades demonstradas
Análise de padrões comportamentais
Fundamental
1.2 h
Estruturas de arquitetura de decisão
Proficiente
1.4 h
Design de testes A/B
Proficiente
1.7 h
Redação comportamental
Avançado
1.9 h
P
PickAClass — Nome Sobrenome
Fundamentos de Bancos de Dados Vetoriais: Qdrant, Weaviate e pgvector
Página 2 de 2
Detalhe de desempenho
Resumo do curso
Aulas concluídas 14 / 14
Questões de prática 26 / 28
Tarefas enviadas 4 (méd. 4.5 / 5)
Projeto final Avaliado — 4.6 / 5
Prática total 6.2 h
Benchmark de desempenho
Posição na coorte Top 12% de 1,625
Tempo até concluir 11 dias (mediana: 22)
Pontuação de domínio 91 / 100
Pontuação das questões de prática 94%
Verificação de habilidade Trilha de habilidade verificada
Verifique esta credencial
pickaclass.com/certificates/PCC-2026-X4F7-AP19
Emitido sob os padrões acadêmicos da PickAClass. Os níveis de habilidade refletem o desempenho avaliado frente à rubrica de competências do curso. É uma credencial original desta plataforma.

Avaliações (2)

Наталья Соколова RU Aluno verificado
★ 5 · 15 junho 2026

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.

Alice Moretti IT
★ 4 · 4 junho 2026

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

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