Aprenda a combinar o melhor da busca clássica com a inteligência dos LLMs para criar sistemas de recuperação de informações mais precisos e escaláveis. Ideal para quem busca otimizar soluções de IA em produção.
Nível: Intermediário
Para quem é: Desenvolvedores, engenheiros de dados e profissionais de IA que desejam otimizar sistemas de busca e geração de respostas com técnicas avançadas
Ao concluir, você será capaz de: Capacitar o aluno a implementar sistemas de RAG híbrido que combinam eficiência de busca clássica com a inteligência de LLMs, garantindo precisão e escalabilidade
8 módulos · 12h · certificado ao final
Entendendo os fundamentos do RAG e suas limitações
Explorando técnicas de busca clássica (regex, NER) para recuperação de dados
Integrando embeddings e LLMs em pipelines de busca híbrida
Avaliando métricas de precisão e recall em sistemas RAG híbridos
Otimizando latência e custo com estratégias de fallback
Implementando RAG híbrido com LangChain e LlamaIndex
Testando e validando sistemas em cenários reais
Projeto Final: Construindo um sistema de RAG híbrido para um caso de uso específico
Projeto Final
Um sistema de RAG híbrido funcional, com documentação técnica e métricas de performance, pronto para deploy em produção
🎓
RAG Híbrido: Busca Clássica + LLMs em Produção
8 módulos · 12h · certificado
Bem-vindo à sua aula de RAG Híbrido: Busca Clássica + LLMs em Produção! Eu sou seu Tutor IA e esta conversa é o próprio curso: cada mensagem faz parte da trilha, com explicações, exemplos, diagramas e desafios. Para começar, me diga seu nome e do que você gosta. Vou usar isso nos exemplos.
Modo voz ativo. Toque no 🔊 da resposta para ouvir.
Aprenda a construir chatbots com RAG que consultam dados privados de forma segura e eficiente. Ideal para quem busca implementar soluções corporativas com LLMs e garantir privacidade e precisão nas respostas.
Nível: Intermediário
Para quem é: Desenvolvedores, engenheiros de IA, arquitetos de soluções e profissionais de TI que desejam implementar sistemas de RAG em ambientes corporativos
Ao concluir, você será capaz de: Capacitar o aluno a construir chatbots avançados com RAG que acessam e consultam bases de dados privadas, garantindo privacidade e precisão nas respostas
8 módulos · 12h · certificado ao final
Entendendo RAG: Fundamentos e Casos de Uso Corporativos
Configurando Ambientes para RAG com Dados Privados
Ingerindo e Processando Dados Privados com LlamaIndex
Otimizando Embeddings para Consultas Precisas
Implementando Fallback e Segurança em Chatbots RAG
Avaliar Métricas de Qualidade e Latência em Produção
Deployando RAG em Ambientes Corporativos com LLMOps
Projeto Final: Construa um Chatbot RAG para Dados Privados
Projeto Final
Um chatbot RAG funcional que consulta uma base de dados privada, com implementação de segurança, métricas de qualidade e deploy em ambiente simulado
🎓
RAG Avançado: Chatbots com Dados Privados
8 módulos · 12h · certificado
Bem-vindo à sua aula de RAG Avançado: Chatbots com Dados Privados! Eu sou seu Tutor IA e esta conversa é o próprio curso: cada mensagem faz parte da trilha, com explicações, exemplos, diagramas e desafios. Para começar, me diga seu nome e do que você gosta. Vou usar isso nos exemplos.
Modo voz ativo. Toque no 🔊 da resposta para ouvir.
Aprenda a criar chatbots inteligentes do zero usando Python e frameworks de IA, com deploy em produção. Ideal para quem quer automatizar atendimentos ou integrar soluções conversacionais a sistemas existentes.
Nível: Iniciante a Intermediário
Para quem é: Desenvolvedores Python, entusiastas de IA, profissionais de atendimento ao cliente e automação
Ao concluir, você será capaz de: Capacitar o aluno a criar, treinar e implantar chatbots funcionais com integração a APIs e LLMs
8 módulos · 12h · certificado ao final
Explorando frameworks de chatbots em Python
Configurando ambientes de desenvolvimento para NLP
Treinando modelos de linguagem com datasets personalizados
Integrando chatbots a APIs e bancos de dados
Implementando fallback e escalabilidade com LLMs
Testando e validando respostas com métricas de IA
Deployando chatbots em servidores cloud
Projeto Final: Construa um chatbot completo com deploy em produção
Projeto Final
Um chatbot funcional com integração a uma API externa, deploy em cloud e documentação técnica
🎓
Chatbots com Python: Do Zero ao Deploy Inteligente
8 módulos · 12h · certificado
Bem-vindo à sua aula de Chatbots com Python: Do Zero ao Deploy Inteligente! Eu sou seu Tutor IA e esta conversa é o próprio curso: cada mensagem faz parte da trilha, com explicações, exemplos, diagramas e desafios. Para começar, me diga seu nome e do que você gosta. Vou usar isso nos exemplos.
Modo voz ativo. Toque no 🔊 da resposta para ouvir.
Aprenda a construir assistentes RAG poderosos que combinam busca semântica e geração de respostas com LLMs. Domine técnicas de otimização e deploy para criar soluções escaláveis e precisas.
Nível: Intermediário
Para quem é: Desenvolvedores, engenheiros de IA, cientistas de dados e profissionais de TI interessados em sistemas de busca e geração avançada
Ao concluir, você será capaz de: Capacitar o aluno a desenvolver assistentes RAG personalizados, desde a configuração de bases de conhecimento até o deploy em produção
8 módulos · 12h · certificado ao final
Entendendo a arquitetura RAG e seus componentes
Configurando bases de conhecimento com embeddings
Integrando LLMs com sistemas de recuperação de informações
Otimizando prompts para geração de respostas precisas
Avaliar métricas de desempenho em assistentes RAG
Implementando fallback e estratégias de segurança
Deploy de assistentes RAG com LangChain e LlamaIndex
Projeto Final: Construa seu assistente RAG personalizado
Projeto Final
Um assistente RAG funcional, integrado a uma base de conhecimento personalizada e pronto para deploy
🎓
Assistentes RAG: Do Prompt ao Deploy com LLMs
8 módulos · 12h · certificado
Bem-vindo à sua aula de Assistentes RAG: Do Prompt ao Deploy com LLMs! Eu sou seu Tutor IA e esta conversa é o próprio curso: cada mensagem faz parte da trilha, com explicações, exemplos, diagramas e desafios. Para começar, me diga seu nome e do que você gosta. Vou usar isso nos exemplos.
Modo voz ativo. Toque no 🔊 da resposta para ouvir.
Aprenda a dominar expressões regulares em Python para resolver problemas reais de manipulação de texto. Torne-se capaz de automatizar tarefas complexas de validação e extração de dados com eficiência e precisão.
Nível: Iniciante a Intermediário
Para quem é: Desenvolvedores, analistas de dados, engenheiros de software e profissionais de TI que precisam manipular texto de forma eficiente
Ao concluir, você será capaz de: Capacitar o aluno a criar, otimizar e aplicar expressões regulares em Python para extração, validação e transformação de dados textuais em projetos reais
8 módulos · 10h · certificado ao final
Explorando os fundamentos de expressões regulares
Criando padrões para validação de dados (e-mails, CPF, telefones)
Extraindo informações de logs e arquivos estruturados com regex
Substituindo e transformando texto em massa com Python
Combinando regex com NLP para pré-processamento de texto
Otimizando expressões para desempenho e legibilidade
Integrando regex com APIs e automação de tarefas
Projeto Final: Construindo um validador e extrator de dados inteligente
Projeto Final
Um script Python que valida, extrai e transforma dados de um arquivo de log ou CSV usando regex, com relatório de erros e insights gerados automaticamente
Bem-vindo à sua aula de Regex Turbo: Padrões Poderosos com Python! Eu sou seu Tutor IA e esta conversa é o próprio curso: cada mensagem faz parte da trilha, com explicações, exemplos, diagramas e desafios. Para começar, me diga seu nome e do que você gosta. Vou usar isso nos exemplos.
Modo voz ativo. Toque no 🔊 da resposta para ouvir.
Aprenda a extrair informações críticas de textos com técnicas avançadas de NER, combinando o poder do regex, modelos tradicionais e LLMs. Domine a implementação de pipelines escaláveis para produção.
Nível: Intermediário
Para quem é: Desenvolvedores, engenheiros de dados e cientistas de dados que precisam extrair informações estruturadas de textos não estruturados
Ao concluir, você será capaz de: Capacitar o aluno a implementar pipelines de NER robustos, combinando expressões regulares, modelos tradicionais e LLMs para extração precisa de dados em sistemas reais
8 módulos · 12h · certificado ao final
Explorando fundamentos: O que são entidades nomeadas e por que importam
Dominando regex para extração de padrões em textos
Configurando spaCy e treinando modelos de NER clássicos
Integrando LLMs para NER: Prompt engineering e fine-tuning
Avaliar precisão: Métricas e validação de modelos de NER
Otimizando pipelines: Combinação de regex, NER clássico e LLMs
Deployando soluções de NER com FastAPI e Docker
Projeto Final: Construindo um pipeline de NER para documentos jurídicos
Projeto Final
Um pipeline completo de NER que extrai entidades de contratos jurídicos (nomes, datas, valores, cláusulas) e as estrutura em um banco de dados, com deploy em container
🎓
NER Avançado: Do Regex ao LLM em Produção
8 módulos · 12h · certificado
Bem-vindo à sua aula de NER Avançado: Do Regex ao LLM em Produção! Eu sou seu Tutor IA e esta conversa é o próprio curso: cada mensagem faz parte da trilha, com explicações, exemplos, diagramas e desafios. Para começar, me diga seu nome e do que você gosta. Vou usar isso nos exemplos.
Modo voz ativo. Toque no 🔊 da resposta para ouvir.
Aprenda a transformar dados textuais em insights acionáveis com técnicas modernas de NLP. Desenvolva modelos prontos para produção e domine o ciclo completo de implementação.
Nível: Iniciante a Intermediário
Para quem é: Desenvolvedores, cientistas de dados e profissionais de TI interessados em aplicar NLP em projetos reais
Ao concluir, você será capaz de: Capacitar o aluno a desenvolver, treinar e implantar modelos de NLP para análise de texto em produção
8 módulos · 12h · certificado ao final
Explorar fundamentos de NLP e suas aplicações
Preparar dados textuais com técnicas de limpeza e tokenização
Implementar modelos de embeddings com Word2Vec e GloVe
Treinar modelos de classificação de texto com spaCy e Hugging Face
Avaliar métricas de desempenho para modelos de NLP
Otimizar pipelines de processamento com LLMs locais
Deployar um modelo de análise de sentimentos com FastAPI
Projeto Final: Construir e implantar um sistema de NLP completo
Projeto Final
Um sistema de análise de sentimentos em tempo real, com API documentada e deploy em nuvem
🎓
NLP do Zero ao Deploy: Modelos para Análise de Texto
8 módulos · 12h · certificado
Bem-vindo à sua aula de NLP do Zero ao Deploy: Modelos para Análise de Texto! Eu sou seu Tutor IA e esta conversa é o próprio curso: cada mensagem faz parte da trilha, com explicações, exemplos, diagramas e desafios. Para começar, me diga seu nome e do que você gosta. Vou usar isso nos exemplos.
Modo voz ativo. Toque no 🔊 da resposta para ouvir.
Aprenda a potencializar sistemas de busca clássica com técnicas avançadas de regex e NER, garantindo eficiência em ambientes onde LLMs não são uma opção. Ideal para quem trabalha com sistemas legados ou restrições técnicas.
Nível: Intermediário
Para quem é: Desenvolvedores, engenheiros de dados e analistas que trabalham com sistemas legados ou ambientes com restrições de uso de LLMs
Ao concluir, você será capaz de: Capacitar o aluno a implementar e otimizar sistemas de busca clássica usando regex, NER e técnicas de indexação para melhorar a performance em bases de dados legadas ou restritas
7 módulos · 10h · certificado ao final
Explorando os fundamentos da busca clássica e suas limitações
Dominando regex avançado para extração de padrões em textos
Implementando NER com spaCy para identificação de entidades em sistemas legados
Otimizando consultas com técnicas de indexação e caching
Integrando busca clássica com APIs modernas para fallback seguro
Avaliar performance e escalabilidade de sistemas de busca clássica
Projeto Final: Construir um sistema de busca híbrido para um caso real de sistema legado
Projeto Final
Um sistema de busca clássica otimizado com regex e NER, integrado a uma API para fallback em LLMs, com documentação técnica e métricas de performance
🎓
Busca Clássica Turbo: Regex e NER para Sistemas Legados
7 módulos · 10h · certificado
Bem-vindo à sua aula de Busca Clássica Turbo: Regex e NER para Sistemas Legados! Eu sou seu Tutor IA e esta conversa é o próprio curso: cada mensagem faz parte da trilha, com explicações, exemplos, diagramas e desafios. Para começar, me diga seu nome e do que você gosta. Vou usar isso nos exemplos.
Modo voz ativo. Toque no 🔊 da resposta para ouvir.
Aprenda a extrair informações valiosas de textos não estruturados usando técnicas de NER clássicas e modernas com LLMs. Ideal para quem precisa automatizar a análise de documentos, contratos ou dados técnicos com precisão.
Nível: Intermediário
Para quem é: Desenvolvedores, cientistas de dados, analistas de NLP e profissionais que precisam extrair dados de documentos, contratos ou textos técnicos
Ao concluir, você será capaz de: Capacitar o aluno a implementar pipelines de NER para extrair informações estruturadas de textos não estruturados, combinando abordagens clássicas e modernas com LLMs
8 módulos · 10h · certificado ao final
Explorar conceitos de NER e casos de uso em TI e negócios
Configurar ambiente com Python e bibliotecas essenciais (spaCy, NLTK)
Implementar NER com regex e regras personalizadas para padrões específicos
Treinar modelos de NER com spaCy para domínios especializados
Utilizar LLMs para NER zero-shot e few-shot com Hugging Face
Avaliar desempenho de modelos com métricas como precisão e recall
Integrar NER em pipelines de RAG para enriquecer buscas semânticas
Projeto Final: Construir um sistema de extração de entidades para contratos jurídicos ou relatórios técnicos
Projeto Final
Um pipeline completo de NER que extrai entidades (nomes, datas, valores) de um conjunto de documentos reais, com relatório de desempenho e integração opcional com um chatbot ou sistema de busca
🎓
NER na Prática: Extraindo Dados com Python e LLMs
8 módulos · 10h · certificado
Bem-vindo à sua aula de NER na Prática: Extraindo Dados com Python e LLMs! Eu sou seu Tutor IA e esta conversa é o próprio curso: cada mensagem faz parte da trilha, com explicações, exemplos, diagramas e desafios. Para começar, me diga seu nome e do que você gosta. Vou usar isso nos exemplos.
Modo voz ativo. Toque no 🔊 da resposta para ouvir.
Este curso conecta teoria e prática, ensinando como transformar diretrizes de arquitetura de IA em sistemas reais. Você aprenderá a projetar soluções escaláveis, éticas e resilientes, com foco em LLMs e RAG. Ideal para quem quer liderar projetos de IA com responsabilidade técnica.
Nível: Intermediário a Avançado
Para quem é: Arquitetos de software, engenheiros de IA, líderes técnicos e pesquisadores que desejam materializar diretrizes teóricas em soluções práticas
Ao concluir, você será capaz de: Capacitar o aluno a projetar, implementar e validar arquiteturas de IA alinhadas a manifestos éticos e técnicos, com foco em LLMs, RAG e sistemas multiagentes
8 módulos · 12h · certificado ao final
Analisar manifestos de IA: Princípios éticos e técnicos em foco
Mapear requisitos não funcionais para sistemas de IA (privacidade, latência, bias)
Projetar arquiteturas modulares com LLMs e RAG
Implementar gateways de IA para orquestração de modelos
Desenvolver pipelines de validação com LLMs como juízes
Aplicar técnicas de LLMOps para escalabilidade e governança
Integrar fallback multiprovider para resiliência
Projeto Final: Construir um sistema de IA com manifesto técnico e validação automatizada
Projeto Final
Um sistema de IA (ex: chatbot ou agente autônomo) documentado com manifesto técnico, arquitetura detalhada, pipeline de validação e deploy em ambiente controlado
🎓
Arquitetura de IA: Do Manifesto à Engenharia Prática
8 módulos · 12h · certificado
Bem-vindo à sua aula de Arquitetura de IA: Do Manifesto à Engenharia Prática! Eu sou seu Tutor IA e esta conversa é o próprio curso: cada mensagem faz parte da trilha, com explicações, exemplos, diagramas e desafios. Para começar, me diga seu nome e do que você gosta. Vou usar isso nos exemplos.
Modo voz ativo. Toque no 🔊 da resposta para ouvir.
