Modernize a produção editorial eliminando tarefas repetitivas de redação e design. Aprenda a escalar a criação de conteúdo de alta qualidade com o apoio de inteligências artificiais.
Nível: Iniciante a Intermediário
Para quem é: Jornalistas, editores, redatores e entusiastas de mídias digitais.
Ao concluir, você será capaz de: O aluno será capaz de criar um pipeline automatizado de curadoria, redação e diagramação de revistas digitais utilizando LLMs e ferramentas de design inteligente.
6 módulos · 10h · certificado ao final
- Mapear tendências de conteúdo com análise de dados
- Estruturar pautas editoriais utilizando LLMs
- Redigir artigos e editoriais com engenharia de prompts
- Gerar elementos visuais e capas com IA generativa de imagem
- Automatizar a distribuição de conteúdo via ferramentas No-Code
- Projeto Final: Lançamento de uma Edição Digital Automatizada
Projeto Final
Criação de uma revista digital completa, com pauta, textos e imagens gerados/otimizados por IA e publicados em plataforma digital.
Este curso oferece uma visão abrangente dos princípios da IA, combinando teoria e prática para que você possa aplicar conceitos éticos e técnicos em projetos reais. Ideal para quem deseja iniciar na área com uma base sólida e responsável.
Nível: Iniciante a Intermediário
Para quem é: Profissionais de TI iniciantes, estudantes de tecnologia, gestores de projetos e entusiastas de IA que desejam compreender os fundamentos da área
Ao concluir, você será capaz de: Capacitar o aluno a entender, discutir e aplicar os princípios básicos da IA, incluindo ética, algoritmos e implementação em projetos simples
8 módulos · 12h · certificado ao final
- Explorando a história e evolução da IA
- Debatendo ética e governança em IA: casos práticos
- Entendendo algoritmos de machine learning: do zero ao básico
- Configurando o ambiente de desenvolvimento para IA com Python
- Implementando modelos de regressão e classificação
- Avaliando modelos de IA: métricas e validação
- Discutindo vieses e fairness em algoritmos de IA
- Projeto Final: Construindo um modelo de IA ético e funcional
Projeto Final
Desenvolvimento de um modelo de IA simples (ex: classificador de texto ou imagem) com documentação sobre ética e governança aplicadas ao projeto
Aprenda a transformar manifestos e documentos textuais em sistemas inteligentes capazes de extrair insights e automatizar ações. Ideal para quem quer usar IA para analisar e agir com base em textos estratégicos de forma escalável.
Nível: Iniciante a Intermediário
Para quem é: Profissionais de TI, cientistas de dados, analistas de políticas públicas, jornalistas digitais e gestores que trabalham com documentos textuais estratégicos
Ao concluir, você será capaz de: Capacitar o aluno a extrair, analisar e automatizar ações a partir de manifestos ou documentos textuais complexos usando técnicas de NLP e LLMs
8 módulos · 10h · certificado ao final
- Explorando manifestos: da teoria à estrutura textual
- Configurando o ambiente para processamento de texto com Python
- Extraindo entidades e conceitos com NER e LLMs
- Sumarizando e classificando ideias com técnicas de NLP
- Automatizando alertas e recomendações com RAG
- Integrando dados textuais a dashboards interativos
- Criando um pipeline de monitoramento de documentos em tempo real
- Projeto Final: Sistema automatizado de análise e ação para um manifesto real
Projeto Final
Um sistema funcional que analisa um manifesto ou documento textual, extrai suas ideias centrais, gera alertas automáticos e recomendações de ação usando IA
Aprenda técnicas avançadas para otimizar LLMs em produção, equilibrando performance, custo e qualidade. Domine ferramentas de profiling, quantização e LLMOps para escalar sistemas de IA com eficiência.
Nível: Intermediário a Avançado
Para quem é: Engenheiros de ML, desenvolvedores de sistemas com LLMs, arquitetos de soluções de IA e profissionais de LLMOps
Ao concluir, você será capaz de: Capacitar o aluno a implementar estratégias de otimização de LLMs, reduzindo latência, custo e consumo de recursos sem perder qualidade nas respostas
8 módulos · 12h · certificado ao final
- Analisando gargalos de performance em LLMs com profiling
- Aplicando quantização (FP16, INT8) e pruning para reduzir tamanho de modelos
- Otimizando batching e caching para inferência em larga escala
- Implementando fallback multiprovider com LLMOps
- Configurando métricas de latência, custo e qualidade com Prometheus e Grafana
- Ajustando prompts para reduzir tokens sem perder precisão
- Deployando modelos otimizados com Kubernetes e autoscaling
- Projeto Final: Pipeline de otimização completo para um LLM em produção
Projeto Final
Pipeline de otimização de um LLM real (ex: Llama 3 ou Mistral) com redução de 50% em latência e custo, incluindo documentação técnica e dashboard de monitoramento
Aprenda a identificar e eliminar gargalos de latência em sistemas de TI usando IA e análise de dados. Torne seus sistemas mais rápidos, eficientes e escaláveis com técnicas práticas de otimização.
Nível: Intermediário
Para quem é: Engenheiros de software, arquitetos de sistemas, DevOps, analistas de infraestrutura e profissionais de cloud que buscam otimizar desempenho em produção
Ao concluir, você será capaz de: Capacitar o aluno a identificar, medir e reduzir latência em sistemas de TI utilizando ferramentas de IA, automação e análise de desempenho
8 módulos · 12h · certificado ao final
- Analisando gargalos de latência em sistemas distribuídos
- Configurando ferramentas de monitoramento em tempo real com Prometheus e Grafana
- Aplicando machine learning para prever picos de latência
- Otimizando queries de banco de dados com IA
- Implementando caching inteligente com Redis e IA
- Automatizando balanceamento de carga com algoritmos preditivos
- Testando cenários de estresse com IA e ajustando infraestrutura
- Projeto Final: Construindo um sistema de baixa latência com monitoramento inteligente
Projeto Final
Um sistema otimizado com monitoramento em tempo real, caching inteligente e balanceamento de carga automatizado, capaz de reduzir latência em pelo menos 30% em cenários simulados
Aprenda a construir sistemas de IA que nunca param, mesmo em cenários de falha. Domine técnicas de redundância, fallback e monitoramento para garantir alta disponibilidade em produção. Ideal para profissionais que precisam de soluções robustas e escaláveis.
Nível: Intermediário
Para quem é: Engenheiros de software, arquitetos de sistemas, DevOps e profissionais de LLMOps que trabalham com deploy de modelos de IA em produção
Ao concluir, você será capaz de: Capacitar o aluno a projetar e implementar sistemas de IA com mecanismos de redundância, fallback e recuperação automática para ambientes de produção
8 módulos · 12h · certificado ao final
- Entendendo redundância em sistemas de IA: conceitos e desafios
- Mapeando pontos críticos em pipelines de LLMs e RAG
- Implementando fallback multiprovider com LLMs alternativos
- Configurando gateways de IA para balanceamento inteligente
- Monitorando latência e custo em tempo real com dashboards
- Testando cenários de falha com simulações automatizadas
- Otimizando trade-offs entre custo, performance e resiliência
- Projeto Final: Construindo um sistema de IA resiliente com fallback e monitoramento
Projeto Final
Um sistema de chatbot com RAG que implementa redundância multiprovider, fallback automático e monitoramento em tempo real, pronto para deploy em produção
Aprenda a construir assistentes RAG de alto desempenho, desde a integração de LLMs até o deploy em produção. Domine técnicas avançadas para otimizar buscas, validar respostas e escalar sistemas com segurança.
Nível: Intermediário
Para quem é: Desenvolvedores, engenheiros de IA, cientistas de dados e profissionais de TI que desejam aprofundar seus conhecimentos em sistemas RAG
Ao concluir, você será capaz de: Capacitar o aluno a construir, otimizar e implantar assistentes RAG robustos, integrando busca semântica, LLMs e pipelines de dados personalizados
8 módulos · 12h · certificado ao final
- Explorando arquiteturas RAG: da busca clássica à semântica
- Configurando ambientes para RAG com LangChain e LlamaIndex
- Integrando LLMs e bases de dados privadas para assistentes personalizados
- Otimizando embeddings e chunking para desempenho máximo
- Implementando fallback e validação de respostas em RAG
- Deployando assistentes RAG com LLMOps e monitoramento em tempo real
- Avaliação e métricas: garantindo qualidade em sistemas RAG
- Projeto Final: Construindo um assistente RAG completo com dados privados
Projeto Final
Um assistente RAG funcional, integrado a uma base de dados privada, com deploy em ambiente de produção e documentação técnica
Aprenda a construir chatbots inteligentes que combinam recuperação de informações e geração de respostas para resultados precisos e contextualizados. Domine técnicas avançadas de RAG e leve suas soluções para produção com confiança.
Nível: Intermediário
Para quem é: Desenvolvedores, engenheiros de dados e profissionais de IA que desejam implementar soluções de chatbots com dados personalizados
Ao concluir, você será capaz de: Capacitar o aluno a construir, otimizar e implantar chatbots com RAG, integrando bases de dados privadas e técnicas avançadas de recuperação de informações
8 módulos · 12h · certificado ao final
- Entendendo RAG: Arquitetura e Casos de Uso
- Preparando Dados: Limpeza, Indexação e Embeddings
- Construindo o Pipeline de Recuperação com LangChain
- Integrando LLMs: Geração de Respostas Contextualizadas
- Otimizando Performance: Métricas e Ajustes Finos
- Segurança e Privacidade: Protegendo Dados em Chatbots
- Deployando em Produção: Escalabilidade e Monitoramento
- Projeto Final: Chatbot RAG com Dados Privados e Deploy
Projeto Final
Um chatbot funcional com RAG, integrado a uma base de dados privada, deployado em ambiente de produção e documentado com métricas de performance
Aprenda a criar um chatbot personalizado que responde com precisão usando seus próprios dados. Domine técnicas de RAG e frameworks modernos para transformar informações privadas em assistentes inteligentes e úteis.
Nível: Intermediário
Para quem é: Desenvolvedores, engenheiros de dados, profissionais de TI e entusiastas de IA que desejam criar assistentes virtuais personalizados para uso pessoal ou profissional
Ao concluir, você será capaz de: Capacitar o aluno a construir, personalizar e implantar um chatbot pessoal com dados privados, utilizando técnicas de RAG e frameworks como LangChain e LlamaIndex
8 módulos · 12h · certificado ao final
- Explorando casos de uso para chatbots pessoais
- Configurando o ambiente de desenvolvimento com Python e LLMs
- Preparando dados privados para RAG: limpeza e estruturação
- Implementando embeddings com Sentence Transformers
- Construindo o pipeline RAG com LangChain e LlamaIndex
- Personalizando prompts para respostas contextuais e precisas
- Realizando deploy do chatbot em cloud ou servidor local
- Projeto Final: Chatbot Pessoal com Dados Privados e RAG
Projeto Final
Um chatbot pessoal funcional, integrado a uma base de dados privada, com deploy realizado e documentação técnica do pipeline RAG implementado
Aprenda a extrair o máximo de LLMs desde o primeiro comando, sem depender de exemplos prévios. Este curso ensina técnicas práticas para criar prompts zero-shot eficazes, aplicáveis em automação, análise de dados e geração de conteúdo.
Nível: Iniciante a Intermediário
Para quem é: Desenvolvedores, analistas de dados, profissionais de marketing, educadores e qualquer pessoa que utilize LLMs em seu fluxo de trabalho
Ao concluir, você será capaz de: Capacitar o aluno a criar prompts eficazes desde o primeiro comando, maximizando a precisão e relevância das respostas de LLMs em cenários reais
8 módulos · 10h · certificado ao final
- Explorando o conceito de prompt zero e seus fundamentos teóricos
- Analisando exemplos de prompts zero-shot em diferentes domínios
- Praticando a construção de prompts claros e objetivos
- Aplicando técnicas de delimitação de contexto e escopo
- Testando e refinando prompts com métricas simples de avaliação
- Integrando prompts zero-shot em fluxos de automação com Python
- Avaliando casos de falha e ajustando estratégias de prompt
- Projeto Final: Criando um guia de prompts zero-shot para um caso de uso específico
Projeto Final
Um guia prático com 10 prompts zero-shot otimizados para um domínio escolhido (ex: jurídico, educacional, técnico), acompanhado de um script Python para testar sua eficácia em uma API de LLM
