No dia 22 de julho de 2025, a AWS anunciou a liberação gratuita do curso AWS Cloud Quest Generative AI Practitioner, dentro da plataforma AWS Cloud Quest.
Sumário
Assim como na versão voltada para o nível Cloud Practitioner, essa trilha combina teoria, prática e gamificação em uma cidade virtual onde, você como participante, precisa resolver cenários propostos que simulam a realidade do mercado, usando serviços da AWS.
Eu decidi fazer esse curso para entender a estrutura das atividades, além de analisar até que ponto ele ajuda no preparo para a certificação AWS Certified AI Practitioner. Concluí todas as atividades em 5 dias e no final, conquistei a badge Cloud Quest Generative AI Practitioner da AWS, que adicionei em meu perfil público do LinkedIn, com um link gerado na Credly.
Neste artigo, irei compartilhar minha experiência detalhada com este curso, avaliando cada módulo, definindo uma dificuldade (fácil, médio, difícil e complexo), relatando minha opinião sobre o que aprendi e quais são os pontos fortes e o que pode ser melhorado, no ambiente de aprendizado do AWS Cloud Quest.
Também explico o motivo, apesar de ser gratuito e interessante, o Cloud Quest Generative AI Practitioner não substitui um curso de preparação para à certificação AWS Certified AI Practitioner.
Como funciona o AWS Cloud Quest: Generative AI Practitioner?
A proposta do curso é transformar conceitos técnicos de IA Generativa, em uma jornada prática, interativa e gradativa. Você será inserido em uma cidade virtual, com elementos parecidos do jogo The Sims e realizará interações com personagens (NPCs) que possuem desafios de negócio a serem resolvidos com os serviços AWS.
A cada cenário, você será guiado por vídeos, instruções em inglês e laboratórios, que permitem acessar um console da AWS em um ambiente controlado, para você utilizar os serviços e as tecnologias AWS para resolver os desafios propostos.
Alguns dos serviços disponíveis são:
Amazon Bedrock
Amazon SageMaker Studio
Amazon Q Developer
Amazon OpenSearch Service
Amazon EC2, Amazon S3, Amazon DynamoDB, AWS Lambda e outros.
Cada cenário é composto por quatro partes principais, como descrevo abaixo:
- Apresentação do desafio:
- Um personagem (NPC) com um diálogo linear.
- Um personagem (NPC) com um diálogo linear.
- Teoria com um diagrama da arquitetura e vídeos de instrução:
- O idioma é em inglês e possui legendas em português brasileiro nos vídeos.
- O idioma é em inglês e possui legendas em português brasileiro nos vídeos.
- Execução do laboratório guiado:
- São instruções numeradas com um passo-a-passo.
- São instruções numeradas com um passo-a-passo.
- Desafio “DIY” (Do It Yourself)
- Essa é a última etapa do cenário para você aplicar o que aprendeu, com um degrau de dificuldade.
Cada cenário segue uma lógica de:
aprender → aplicar → construir.
O que percebi na estrutura em como foi desenvolvido cada cenário no Cloud Quest, é a aposta no reforço do conhecimento prático, para que você crie confiança nas ferramentas disponíveis no console AWS e aprenda, na prática, em como esses serviços podem resolver muitos desafios.
Como organizei meu aprendizado?
Decidi realizar duas atividades por dia, concluindo o curso em cinco dias. Essa rotina me ajudou a manter o foco e a acompanhar o raciocínio lógico das tarefas. Em média, dediquei entre 1h15 a 1h30 para entregar cada atividade.
Cada cenário exigiu uma abordagem diferente: alguns pediam apenas replicação de passos; outros exigiam raciocínio lógico, atenção a detalhes e interpretação de erros; e outros tive de ler a documentação oficial da AWS para entender por que algo não funcionava como esperado ou onde estava a opção movimentada de lugar na interface do usuário.
Algumas vezes tive de voltar alguns passos do tutorial, porque digitei uma variável com letra errada (typo) e isso impactava a entrega da atividade. E as mensagens de erros que eram apresentados no console, não eram tão claras.
Apenas como título de exemplo, uma das atividades era criar uma base de conhecimento com armazenamento vetorial, e por digitar errado o nome do índice não conseguia avançar no laboratório.
Olhando com uma visão analítica mais tarde, aprendi uma lição prática e valiosa: A que não deveria tentar memorizar os passos de cada exercício, mas sim tentar entender a razão de estar realizando aqueles passos, naquela ordem, mesmo o exercício não explicando os motivos técnicos.
Atividades do curso: o que realmente aprendi?
1. Primeiros Passos na Nuvem
Tecnologia: Amazon EC2
Objetivo: Compreender Zonas de Disponibilidade e implantação de instâncias
Minha experiência: Atividade bem teórica. Reforça a infraestrutura global da AWS. Boa para quem está começando.
Dificuldade: Fácil
2. Fundamentos da Computação em Nuvem
Tecnologia: Amazon S3
Objetivo: Hospedar uma página web estática
Minha experiência: O ambiente é bem limitado, mas serve como introdução. O laboratório mostra como configurar um bucket S3, em habilitar hospedagem estática e em como fazer o upload de um HTML.
Dificuldade: Fácil
3. Explorar o Amazon Bedrock no Playground
Tecnologia: Amazon Bedrock
Objetivo: Testar diferentes modelos de base em modo playground
Minha experiência: A introdução à IA generativa começa aqui. Avaliamos LLMs (Large Language Models), comparamos respostas e aprendemos a ajustar prompts.
Dificuldade: Fácil
4. Gerar código com IA
Tecnologias: Amazon Bedrock, Amazon EC2
Objetivo: Usar IA para gerar HTML e publicá-lo em instância EC2
Minha experiência: Foi divertido ver a IA Generativa criando um código HTML para uma página empresarial. Outro desafio interessante foi gerar o HTML de um jogo da velha. Inicialmente, usei um prompt em português, mas percebi que isso prejudicava a comunicação com o backend nas etapas seguintes. Mesmo após tentar ajustar o código, a funcionalidade completa não era alcançada. Ainda assim, a experiência foi útil para entender o funcionamento do Amazon Bedrock.
Dificuldade: Médio
5. Iniciar com IA Generativa
Tecnologia: Amazon SageMaker
Objetivo: Implantar LLM usando Jupyter e Python SDK
Minha experiência: Aqui o jogo muda. Se você nunca teve contato com Python ou com notebooks Jupyter, provavelmente encontrará dificuldades para avançar. Esse laboratório exige atenção às instruções e uma certa familiaridade com o ambiente Jupyter.
Dificuldade: Difícil
6. Segurança de Chatbot com Guardrails
Tecnologia: Amazon Bedrock
Objetivo: Criar políticas para bloquear tipos de pergunta (ex: usuários que pedem aconselhamento jurídico)
Minha experiência: A tarefa me pareceu artificial demais, como se o bloqueio de perguntas dos usuários só funcionasse com uma solicitação extremamente específica. No exercício, o objetivo era impedir que o chatbot respondesse a pedidos de aconselhamento jurídico. Precisei ler a documentação do Guardrails para entender a lógica por trás dessa configuração.
Dificuldade: Médio
7. Criar uma Base de Conhecimento Empresarial
Tecnologias: Amazon S3, Amazon Bedrock, Amazon OpenSearch Service
Objetivo: Criar base de conhecimento com RAG (Retrieval Augmented Generation)
Minha experiência: Gostei de ver como as peças se encaixam na construção de uma base de conhecimento. Mas a configuração é pouco técnica demais, e o ambiente te obriga a seguir as instruções sem muito contexto.
Dificuldade: Médio
8. Criar um AI Smart Assistant
Tecnologias: AWS Lambda, Amazon Bedrock, DynamoDB, OpenSearch, S3
Objetivo: Criar agente de atendimento ao cliente com IA
Minha experiência: Se você errar um único dígito durante a criação dos índices, será apresentado um erro 400, que pode ser difícil de interpretar na primeira vez em que se utiliza o serviço. Precisei refazer algumas etapas mais de uma vez até entender o que estava acontecendo. No fim, aprendi mais com o erro do que se tudo tivesse funcionado de primeira.
Dificuldade: Difícil
9. Usar serviços de IA com SageMaker
Tecnologias: Amazon Comprehend, Polly, Textract, Transcribe, SageMaker
Objetivo: Processar documentos com múltiplos serviços AWS via Jupyter
Minha experiência: Um dos laboratórios mais completos e complexos, porque integra vários serviços e exige refatoração de código. Esse foi bem desafiador e quase estourei o tempo de conclusão.
Dificuldade: Complexo
10. Implantar códigos com Amazon Q
Tecnologias: AWS Lambda, Amazon Bedrock, Amazon Q, DynamoDB, S3
Objetivo: Usar Amazon Q para autocompletar código em função Lambda
Minha experiência: O Amazon Q impressionou na hora de completar o código, mas exigiu compreensão e conhecimento em Python prévio para entender como a função Lambda funcionava. Após quase 2 horas tentando colocar tudo em prática, optei por usar o gabarito para concluir a tarefa, do que deixar “estourar” o tempo da atividade e ter de recomeçar tudo do zero novamente.
Dificuldade: Complexo
Quais foram os pontos altos e melhorias nesta experiência?
✅ Pontos fortes
Curso gratuito e com badge oficial da AWS
Introdução prática à IA generativa
Acesso ao console AWS e aos serviços da AWS sem custo
Atividades interativas, como a caça de drones para responder quizzes dos serviços AWS
❌ Pontos a serem melhorados
Ambiente todo em inglês
Não permite refazer laboratórios após concluídos
Algumas instruções estão desatualizadas em relação ao console
Alguns passos são repetição de cliques, sem contexto técnico
- Feedback do curso é um formulário com muitos campos para ser preenchido
O Cloud Quest é suficiente para passar na certificação AWS?
Sendo bem direto, a resposta é NÃO.
O curso disponibilizado no Cloud Quest é uma excelente porta de entrada, mas ele não cobre o guia do exame para a prova do AWS Certified AI Practitioner.
Além disso, os vídeos são introdutórios e os laboratórios são roteirizados. Em projetos reais, você precisa saber como tomar decisões, e não apenas onde clicar.
O que eu recomendo para quem quer passar no exame AWS Certified AI Practitioner?
Se você quer conquistar a certificação AWS Certified AI Practitioner, o caminho mais seguro é estudar com um curso que vá direto ao ponto e tenha foco total na prova.
É por isso que desenvolvi um treinamento completo com:
+20 módulos com conteúdos atualizados
+200 aulas cobrindo serviços e fundamentos de IA
+50 laboratórios práticos baseados na realidade
+150 questões simuladas e comentadas
Esse curso foi criado com uma única meta: fazer você passar no exame na primeira tentativa.
Conclusão: vale a pena jogar?
Sim!
O AWS Cloud Quest: Generative AI Practitioner concede uma experiência valiosa ao console da nuvem AWS e suas tecnologias. Além disso, ele é gratuito e as atividades extras dentro do Cloud Quest são divertidas, seguindo o conceito “learn by doing“.
Mas lembre-se, se o seu objetivo é obter uma certificação AWS, você vai precisar ir além.
E você, já experimentou o AWS Cloud Quest? Me conta aqui nos comentários: qual foi o módulo mais desafiador para você?
