Aprenda a transformar suas habilidades literárias em projetos técnicos de IA, criando soluções práticas para escrita, edição e publicação. Construa um portfólio que une criatividade e tecnologia, abrindo portas para oportunidades em editoras, plataformas digitais e freelancing.
Nível: Iniciante a Intermediário
Para quem é: Escritores, roteiristas, editores e profissionais de comunicação que desejam incorporar IA em seus projetos literários
Ao concluir, você será capaz de: Capacitar escritores a criar projetos de IA que automatizem, analisem ou aprimorem processos criativos e editoriais, gerando portfólio técnico
8 módulos · 12h · certificado ao final
Explorar casos de uso de IA na literatura: do brainstorming à publicação
Configurar ambiente de desenvolvimento com Python e APIs de LLMs (OpenAI, Hugging Face)
Criar prompts avançados para geração de sinopses, personagens e diálogos
Analisar textos literários com NLP: extração de temas, sentimentos e padrões estilísticos
Automatizar revisões de gramática, coesão e originalidade com LLMs
Desenvolver assistente pessoal para escritores usando RAG e dados privados (notas, pesquisas)
Publicar conteúdo otimizado com IA: SEO para blogs, metadados para e-books e legendas para redes sociais
Projeto Final: Construir um pipeline completo de IA para um projeto literário (ex: livro, série, blog)
Projeto Final
Pipeline de IA personalizado para um projeto literário, incluindo código, documentação técnica e demonstração de resultados (ex: assistente de escrita + análise de estilo + automação de publicação)
>_
Do Livro ao Código: Projetos de IA para Escritores
módulo de ~90 mincertificado
🔥 0Nv 1
Módulo 1 de 8
Aponte a câmera para abrir no celular
Laboratório + Tutor IA
Aqui você pratica — não só lê.
Cada bloco é editável e roda no seu navegador. Aperte Executar para começar:
# Edite e aperte Executar. Ctrl+Enter também roda.
curso = "Do Livro ao Código: Projetos de IA para Escritores"
print(f"Primeira linha rodada no curso de {curso}.")
Módulo 1: Explorar casos de uso de IA na literatura:...
Transforme sua sala de aula com ferramentas de IA que personalizam o ensino e automatizam tarefas repetitivas. Aprenda a criar soluções tecnológicas que engajam alunos e otimizam o trabalho docente.
Nível: Iniciante a Intermediário
Para quem é: Professores, coordenadores pedagógicos e gestores educacionais
Ao concluir, você será capaz de: Capacitar educadores a utilizar IA para personalizar o ensino, automatizar avaliações e criar materiais didáticos interativos
8 módulos · 12h · certificado ao final
Explorar fundamentos de IA e seu impacto na educação
Configurar ferramentas de IA para criação de conteúdo didático
Personalizar aprendizagem com algoritmos de recomendação
Automatizar avaliações com LLMs e rubricas inteligentes
Desenvolver chatbots educacionais com RAG e LangChain
Implementar gamificação com IA em projetos escolares
Analisar casos de sucesso de IA em escolas ao redor do mundo
Projeto Final: Construir um assistente pedagógico completo com IA
Projeto Final
Um assistente pedagógico funcional com IA, capaz de gerar atividades, corrigir exercícios e fornecer feedback personalizado para alunos
>_
Educadores 5.0: IA na Sala de Aula do Futuro
módulo de ~90 mincertificado
🔥 0Nv 1
Módulo 1 de 8
Aponte a câmera para abrir no celular
Laboratório + Tutor IA
Aqui você pratica — não só lê.
Cada bloco é editável e roda no seu navegador. Aperte Executar para começar:
# Edite e aperte Executar. Ctrl+Enter também roda.
curso = "Educadores 5.0: IA na Sala de Aula do Futuro"
print(f"Primeira linha rodada no curso de {curso}.")
Módulo 1: Explorar fundamentos de IA e seu impacto na...
Transforme a correção manual em um processo escalável e preciso com o poder da IA Generativa. Ganhe tempo na gestão de notas enquanto oferece feedbacks mais profundos e imediatos para seus alunos.
Nível: Iniciante a Intermediário
Para quem é: Educadores, designers instrucionais e desenvolvedores de EdTechs
Ao concluir, você será capaz de: O aluno será capaz de implementar sistemas de avaliação automatizados que analisam respostas abertas e fornecem feedbacks personalizados via IA
6 módulos · 10h · certificado ao final
Estruturar rubricas de avaliação para processamento de IA
Desenvolver prompts de 'LLM-as-a-Judge' para correção de respostas
Configurar pipelines de feedback automatizado e personalizado
Analisar vieses e validar a precisão da avaliação algorítmica
Integrar ferramentas de IA em fluxos de gestão de notas
Projeto Final: Construir um Avaliador de Redações Automatizado
Projeto Final
Um sistema de avaliação que recebe a resposta do aluno, confronta com uma rubrica técnica e gera nota + feedback detalhado usando API de LLM
◎
Avaliação Educacional Inteligente: Métricas com LLMs
módulo de ~100 mincertificado
🔥 0Nv 1
Módulo 1 de 6
Aponte a câmera para abrir no celular
Tutor IA ao vivo
Bem-vindo ao curso de Avaliação Educacional Inteligente: Métricas com LLMs.
Vou adaptar os exemplos ao que você gosta e fazer perguntas no final de cada módulo para garantir que tudo ficou claro.
Módulo 1: Estruturar rubricas de avaliação para...
Aprenda a construir sistemas de IA que nunca param de funcionar, mesmo quando provedores individuais falham. Garanta alta disponibilidade e resiliência em suas aplicações críticas com estratégias avançadas de fallback multiprovider.
Nível: Intermediário a Avançado
Para quem é: Engenheiros de IA, arquitetos de sistemas, desenvolvedores backend e profissionais de LLMOps que precisam garantir resiliência em sistemas críticos de IA
Ao concluir, você será capaz de: Capacitar o aluno a projetar e implementar sistemas de IA que garantam alta disponibilidade e continuidade de serviço, mesmo em caso de falhas de provedores individuais
8 módulos · 12h · certificado ao final
Analisando cenários de falha em sistemas de IA
Projetando arquiteturas resilientes com fallback multiprovider
Implementando gateways inteligentes para roteamento de requisições
Configurando métricas e alertas para monitoramento de provedores
Otimizando custos e latência em sistemas multiprovider
Testando resiliência com simulações de falhas (chaos engineering)
Integrando LLMs open-source como fallback local
Projeto Final: Construindo um sistema de IA resiliente com 3 provedores
Projeto Final
Um sistema completo de IA com fallback entre OpenAI, Anthropic e um modelo local (Ollama/Llama), incluindo monitoramento de latência, custos e failover automático
◎
Fallback Multiprovider: IA Sempre Ativa em Produção
módulo de ~90 mincertificado
🔥 0Nv 1
Módulo 1 de 8
Aponte a câmera para abrir no celular
Tutor IA ao vivo
Bem-vindo ao curso de Fallback Multiprovider: IA Sempre Ativa em Produção.
Vou adaptar os exemplos ao que você gosta e fazer perguntas no final de cada módulo para garantir que tudo ficou claro.
Módulo 1: Analisando cenários de falha em sistemas de IA
Aprenda a otimizar sistemas com LLMs para produção, reduzindo custos e latência enquanto garante privacidade. Domine técnicas avançadas de LLMOps e implemente pipelines escaláveis e resilientes.
Nível: Intermediário a Avançado
Para quem é: Engenheiros de ML, arquitetos de IA, DevOps especializados em IA e desenvolvedores de sistemas com LLMs
Ao concluir, você será capaz de: Capacitar o aluno a implementar estratégias avançadas de LLMOps para reduzir custos, melhorar a latência e garantir privacidade em sistemas baseados em LLMs
8 módulos · 12h · certificado ao final
Avaliar modelos de custo em LLMs: pay-per-use vs. self-hosted
Implementar técnicas de quantização e pruning para reduzir custos
Configurar caching inteligente para diminuir latência em respostas
Aplicar model parallelism e sharding para otimizar performance
Garantir privacidade com técnicas de anonymization e differential privacy
Integrar LLMs com sistemas de autenticação e autorização (OAuth, JWT)
Monitorar métricas de custo, latência e privacidade em tempo real
Projeto Final: Construir um pipeline de LLMOps otimizado para custo, latência e privacidade
Projeto Final
Um pipeline completo de LLMOps com monitoramento de custo, latência e privacidade, implementado em um ambiente de cloud (AWS/GCP/Azure) e documentado com métricas de performance
◎
LLMOps: Otimizando Custo, Latência e Privacidade em Produção
módulo de ~90 mincertificado
🔥 0Nv 1
Módulo 1 de 8
Aponte a câmera para abrir no celular
Tutor IA ao vivo
Bem-vindo ao curso de LLMOps: Otimizando Custo, Latência e Privacidade em Produção.
Vou adaptar os exemplos ao que você gosta e fazer perguntas no final de cada módulo para garantir que tudo ficou claro.
Módulo 1: Avaliar modelos de custo em LLMs: pay-per-use vs
Aprenda a transformar LLMs em juízes precisos para avaliação automatizada, reduzindo custos e escalando feedback em educação, RH e outros domínios. Domine pipelines de scoring e deploy em produção com LLMOps.
Nível: Intermediário a Avançado
Para quem é: Engenheiros de ML, desenvolvedores de sistemas de avaliação, profissionais de educação e RH que buscam automação inteligente de feedback
Ao concluir, você será capaz de: Capacitar o aluno a implementar pipelines de avaliação automatizada usando LLMs como juízes, com métricas personalizadas e integração em produção
8 módulos · 12h · certificado ao final
Entendendo o papel dos LLMs como juízes em sistemas de avaliação
Comparando métricas tradicionais vs. avaliação com LLMs
Configurando ambientes para avaliação automatizada (Python, LangChain, LlamaIndex)
Projetando rubricas e prompts para avaliação consistente com LLMs
Implementando pipelines de scoring com LLMs em tempo real
Otimizando custos e latência em sistemas de avaliação em larga escala
Validando resultados: métricas de confiança e fallback para avaliações humanas
Projeto Final: Deploy de um sistema de avaliação automatizada com LLMs como juízes
Projeto Final
Um sistema de avaliação automatizada implantado em produção, com métricas personalizadas, integração com APIs de LLMs e dashboard de resultados
◎
LLMs como Juízes: Avaliação Automatizada em Produção
módulo de ~90 mincertificado
🔥 0Nv 1
Módulo 1 de 8
Aponte a câmera para abrir no celular
Tutor IA ao vivo
Bem-vindo ao curso de LLMs como Juízes: Avaliação Automatizada em Produção.
Vou adaptar os exemplos ao que você gosta e fazer perguntas no final de cada módulo para garantir que tudo ficou claro.
Módulo 1: Entendendo o papel dos LLMs como juízes em...
Aprenda a construir sistemas inteligentes que identificam e previnem fraudes em avaliações usando LLMs e análise de dados. Transforme a integridade acadêmica com tecnologia de ponta.
Nível: Intermediário
Para quem é: Professores, coordenadores pedagógicos, desenvolvedores de sistemas educacionais e profissionais de TI interessados em automação de avaliações
Ao concluir, você será capaz de: Capacitar educadores e profissionais de TI a implementar sistemas automatizados de detecção e prevenção de cola em avaliações usando LLMs e análise de padrões
8 módulos · 12h · certificado ao final
Analisando padrões de cola em avaliações tradicionais
Configurando embeddings para detecção de similaridade textual
Treinando LLMs para identificar respostas suspeitas
Desenvolvendo APIs de validação em tempo real
Criando dashboards de monitoramento com Power BI
Implementando técnicas de randomização de questões
Integrando sistemas anti-cola em plataformas LMS
Projeto Final: Sistema completo de detecção e prevenção de cola
Projeto Final
Um sistema funcional de detecção de cola com backend em Python, API REST e dashboard de monitoramento, aplicável a uma plataforma de avaliação real
>_
Anti-Cola com LLMs: Detecção e Prevenção Automatizada
módulo de ~90 mincertificado
🔥 0Nv 1
Módulo 1 de 8
Aponte a câmera para abrir no celular
Laboratório + Tutor IA
Aqui você pratica — não só lê.
Cada bloco é editável e roda no seu navegador. Aperte Executar para começar:
# Edite e aperte Executar. Ctrl+Enter também roda.
curso = "Anti-Cola com LLMs: Detecção e Prevenção Automatizada"
print(f"Primeira linha rodada no curso de {curso}.")
Módulo 1: Analisando padrões de cola em avaliações...
Aprenda a implementar sistemas RAG do zero, utilizando as melhores práticas e frameworks modernos como LangChain e LlamaIndex. Transforme dados em respostas inteligentes e escaláveis para aplicações reais.
Nível: Intermediário
Para quem é: Desenvolvedores, engenheiros de dados e profissionais de IA que desejam implementar soluções RAG em produção
Ao concluir, você será capaz de: Capacitar o aluno a construir, otimizar e implantar sistemas RAG completos, desde a ingestão de dados até a geração de respostas contextualizadas, utilizando LangChain e LlamaIndex
9 módulos · 12h · certificado ao final
Entenda a arquitetura RAG e seus componentes essenciais
Configure ambientes de desenvolvimento para RAG com Python
Processe e prepare dados para ingestão em sistemas RAG
Implemente embeddings e buscas semânticas com LlamaIndex
Construa pipelines de geração de respostas com LangChain
Otimize desempenho e precisão com técnicas avançadas de RAG
Integre sistemas RAG com APIs e bancos de dados externos
Monitore e escale sistemas RAG em produção
Projeto Final: Construa e deploye um chatbot RAG completo com dados personalizados
Projeto Final
Um sistema RAG funcional, implantado em um ambiente de produção simulado, com ingestão de dados personalizados, busca semântica e geração de respostas contextualizadas
>_
RAG do Código à Produção: Implementação Completa com LangChain e LlamaIndex
módulo de ~80 mincertificado
🔥 0Nv 1
Módulo 1 de 9
Aponte a câmera para abrir no celular
Laboratório + Tutor IA
Aqui você pratica — não só lê.
Cada bloco é editável e roda no seu navegador. Aperte Executar para começar:
# Edite e aperte Executar. Ctrl+Enter também roda.
curso = "RAG do Código à Produção: Implementação Completa com LangChain e LlamaIndex"
print(f"Primeira linha rodada no curso de {curso}.")
Módulo 1: Entenda a arquitetura RAG e seus componentes...
Aprenda a dominar técnicas avançadas de prompt engineering para otimizar sistemas de LLMs em produção e automatizar fluxos de trabalho com eficiência. Transforme prompts em soluções escaláveis e de alta qualidade para ambientes reais.
Nível: Intermediário
Para quem é: Desenvolvedores, engenheiros de IA, analistas de dados e profissionais de TI que trabalham com LLMs e automação de processos
Ao concluir, você será capaz de: Capacitar o aluno a aplicar técnicas avançadas de prompt engineering para maximizar a eficiência e qualidade de sistemas baseados em LLMs em ambientes de produção
8 módulos · 12h · certificado ao final
Explorando os fundamentos de prompt engineering para produção
Aplicando técnicas de few-shot e zero-shot em cenários reais
Otimizando prompts para redução de alucinações e erros
Integrando LLMs em pipelines de automação com Python
Avaliando métricas de qualidade e desempenho de prompts
Implementando fallback e correção automática de respostas
Construindo um sistema de prompts escalável para produção
Projeto Final: Pipeline de produção com LLMs e prompts otimizados
Projeto Final
Desenvolvimento de um pipeline de produção completo que utilize técnicas avançadas de prompt engineering para automação de tarefas com LLMs, incluindo métricas de avaliação e fallback automático
◎
Prompt Engineering para Produção: Técnicas Avançadas em Ação
módulo de ~90 mincertificado
🔥 0Nv 1
Módulo 1 de 8
Aponte a câmera para abrir no celular
Tutor IA ao vivo
Bem-vindo ao curso de Prompt Engineering para Produção: Técnicas Avançadas em Ação.
Vou adaptar os exemplos ao que você gosta e fazer perguntas no final de cada módulo para garantir que tudo ficou claro.
Aprenda a projetar prompts poderosos que extraem o máximo potencial dos LLMs, desde técnicas básicas até estratégias avançadas de few-shot learning. Este curso combina teoria e prática para transformar você em um especialista em engenharia de prompts, pronto para aplicar em projetos reais.
Nível: Intermediário
Para quem é: Desenvolvedores, cientistas de dados, profissionais de NLP e entusiastas de IA que desejam dominar a engenharia de prompts para melhorar a interação com modelos de linguagem
Ao concluir, você será capaz de: Capacitar o aluno a projetar prompts eficazes para LLMs, desde técnicas básicas até estratégias avançadas de few-shot learning, com foco em aplicações reais e otimização de resultados
8 módulos · 12h · certificado ao final
Explorando os fundamentos dos LLMs e a importância dos prompts
Dominando técnicas de zero-shot prompting para tarefas genéricas
Aplicando few-shot learning para melhorar a precisão dos modelos
Avaliar respostas de LLMs com métricas de qualidade e consistência
Otimizando prompts para casos de uso específicos (saúde, jurídico, educação)
Integrando prompts em pipelines de automação com Python e APIs
Mitigando alucinações e vieses em respostas de LLMs
Projeto Final: Construindo um sistema de prompts avançados para um caso real
Projeto Final
Desenvolvimento de um sistema de prompts otimizados para uma aplicação prática (ex: chatbot jurídico, assistente educacional ou ferramenta de análise de dados), com documentação técnica e avaliação de resultados
◎
Prompt Engineering: Do Zero-Shot ao Few-Shot Avançado
módulo de ~90 mincertificado
🔥 0Nv 1
Módulo 1 de 8
Aponte a câmera para abrir no celular
Tutor IA ao vivo
Bem-vindo ao curso de Prompt Engineering: Do Zero-Shot ao Few-Shot Avançado.
Vou adaptar os exemplos ao que você gosta e fazer perguntas no final de cada módulo para garantir que tudo ficou claro.
Módulo 1: Explorando os fundamentos dos LLMs e a...
