Arquivos: Trilhas

ReAct Pattern: Agentes de Raciocínio em Produção

Aprenda a criar agentes autônomos que combinam raciocínio e ação usando o padrão ReAct. Domine técnicas avançadas para integrar LLMs com sistemas externos e escalar suas soluções em produção. Ideal para quem quer levar a automação inteligente para o próximo nível.

Nível: Intermediário

Para quem é: Desenvolvedores, engenheiros de IA e arquitetos de sistemas que desejam criar agentes autônomos com raciocínio e ação integrados

Ao concluir, você será capaz de: Capacitar o aluno a projetar, implementar e escalar agentes de IA usando o padrão ReAct em ambientes de produção

8 módulos · 12h · certificado ao final

  • Entendendo o padrão ReAct: Fundamentos e casos de uso
  • Configurando o ambiente para desenvolvimento de agentes
  • Implementando loops de raciocínio e ação com LLMs
  • Integrando agentes ReAct com APIs e bancos de dados
  • Otimizando prompts e fluxos para desempenho
  • Testando e validando agentes em cenários reais
  • Deploy de agentes ReAct em produção com LLMOps
  • Projeto Final: Construindo um agente ReAct para automação de tarefas complexas

Projeto Final

Um agente ReAct funcional, integrado a uma API externa, capaz de resolver uma tarefa complexa (ex: planejamento de viagens, análise de documentos jurídicos ou automação de workflows empresariais)

>_
ReAct Pattern: Agentes de Raciocínio em Produção
módulo de ~90 min certificado
🔥 0 Nv 1
Módulo 1 de 8
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 = "ReAct Pattern: Agentes de Raciocínio em Produção"
print(f"Primeira linha rodada no curso de {curso}.")

Módulo 1: Entendendo o padrão ReAct: Fundamentos e...

Do que você gosta? Uso nos exemplos.
Sem cadastro para começar.
🎤 fale sua resposta a qualquer momento · 🔊 toque para ouvir qualquer mensagem do tutor

ReAct Loops: Agentes Autônomos com LLMs

Aprenda a criar agentes autônomos que combinam raciocínio e ação usando LLMs, desde a teoria até o deploy em produção. Domine o padrão ReAct para resolver problemas reais com inteligência artificial.

Nível: Intermediário

Para quem é: Desenvolvedores, engenheiros de IA, cientistas de dados e profissionais de automação que desejam criar sistemas autônomos inteligentes

Ao concluir, você será capaz de: Capacitar o aluno a projetar, implementar e deployar agentes autônomos que combinam raciocínio e ação usando LLMs em cenários práticos

8 módulos · 12h · certificado ao final

  • Entendendo o padrão ReAct: Raciocínio + Ação
  • Configurando o ambiente para agentes com LLMs
  • Projetando loops de raciocínio para tarefas específicas
  • Integrando LLMs com APIs e ferramentas externas
  • Otimizando prompts para loops eficientes
  • Implementando fallback e tratamento de erros
  • Monitorando e avaliando agentes em produção
  • Projeto Final: Construindo um agente autônomo para automação de processos

Projeto Final

Um agente autônomo que resolve tarefas complexas (ex: pesquisa e compilação de dados, tomada de decisão automatizada) usando ReAct, com deploy em ambiente controlado

>_
ReAct Loops: Agentes Autônomos com LLMs
módulo de ~90 min certificado
🔥 0 Nv 1
Módulo 1 de 8
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 = "ReAct Loops: Agentes Autônomos com LLMs"
print(f"Primeira linha rodada no curso de {curso}.")

Módulo 1: Entendendo o padrão ReAct: Raciocínio + Ação

Do que você gosta? Uso nos exemplos.
Sem cadastro para começar.
🎤 fale sua resposta a qualquer momento · 🔊 toque para ouvir qualquer mensagem do tutor

ReAct na Prática: Agentes Autônomos com LLMs

Aprenda a criar agentes autônomos que combinam raciocínio e ação usando LLMs e o padrão ReAct. Domine técnicas para integrar IA com ferramentas externas e automatizar tarefas complexas com eficiência.

Nível: Intermediário

Para quem é: Desenvolvedores, engenheiros de IA, cientistas de dados e profissionais de TI interessados em automação avançada com LLMs

Ao concluir, você será capaz de: Capacitar o aluno a construir agentes autônomos que combinam raciocínio e ação usando LLMs, aplicando o padrão ReAct em cenários reais

8 módulos · 12h · certificado ao final

  • Entendendo o padrão ReAct: Fundamentos e casos de uso
  • Configurando o ambiente para agentes autônomos com LLMs
  • Projetando loops de raciocínio e ação para agentes
  • Integrando LLMs com APIs externas para ações concretas
  • Implementando memória e contexto em agentes ReAct
  • Avaliação e métricas para agentes autônomos
  • Otimizando agentes ReAct: Latência, custo e precisão
  • Projeto Final: Construindo um agente ReAct para automação de tarefas complexas

Projeto Final

Um agente autônomo funcional que resolve uma tarefa complexa (ex: pesquisa e síntese de informações, automação de workflows) usando o padrão ReAct, com deploy em ambiente controlado

>_
ReAct na Prática: Agentes Autônomos com LLMs
módulo de ~90 min certificado
🔥 0 Nv 1
Módulo 1 de 8
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 = "ReAct na Prática: Agentes Autônomos com LLMs"
print(f"Primeira linha rodada no curso de {curso}.")

Módulo 1: Entendendo o padrão ReAct: Fundamentos e...

Do que você gosta? Uso nos exemplos.
Sem cadastro para começar.
🎤 fale sua resposta a qualquer momento · 🔊 toque para ouvir qualquer mensagem do tutor

Dados Estruturados com IA na Prática

Aprenda a eliminar o trabalho manual de digitação e organização de dados. Transforme qualquer texto bagunçado em informações prontas para análise com o poder da IA.

Nível: Iniciante a Intermediário

Para quem é: Analistas de dados, desenvolvedores e engenheiros de software.

Ao concluir, você será capaz de: O aluno será capaz de criar pipelines que convertem textos brutos em JSON, CSV ou tabelas SQL automaticamente.

7 módulos · 10h · certificado ao final

  • Compreender a diferença entre dados estruturados e não estruturados
  • Modelar esquemas de dados eficientes para extração
  • Implementar prompts de estruturação com Pydantic e LLMs
  • Desenvolver scripts Python para conversão de texto em JSON
  • Validar a integridade de dados gerados por IA
  • Otimizar a performance de processamento em lote (batch processing)
  • Projeto Final: Pipeline Automática de Estruturação de Documentos

Projeto Final

Um sistema que recebe PDFs ou e-mails diversos e os transforma em um banco de dados SQL estruturado.

>_
Dados Estruturados com IA na Prática
módulo de ~86 min certificado
🔥 0 Nv 1
Módulo 1 de 7
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 = "Dados Estruturados com IA na Prática"
print(f"Primeira linha rodada no curso de {curso}.")

Módulo 1: Compreender a diferença entre dados...

Do que você gosta? Uso nos exemplos.
Sem cadastro para começar.
🎤 fale sua resposta a qualquer momento · 🔊 toque para ouvir qualquer mensagem do tutor

RAG Híbrido: Busca Clássica + LLMs em Produção

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
módulo de ~90 min certificado
🔥 0 Nv 1
Módulo 1 de 8
Tutor IA ao vivo

Bem-vindo ao curso de RAG Híbrido: Busca Clássica + LLMs 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 os fundamentos do RAG e suas...

Do que você gosta? Uso nos exemplos.
Sem cadastro para começar.
🎤 fale sua resposta a qualquer momento · 🔊 toque para ouvir qualquer mensagem do tutor

RAG Avançado: Chatbots com Dados Privados

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
módulo de ~90 min certificado
🔥 0 Nv 1
Módulo 1 de 8
Tutor IA ao vivo

Bem-vindo ao curso de RAG Avançado: Chatbots com Dados Privados.

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 RAG: Fundamentos e Casos de Uso...

Do que você gosta? Uso nos exemplos.
Sem cadastro para começar.
🎤 fale sua resposta a qualquer momento · 🔊 toque para ouvir qualquer mensagem do tutor

Chatbots com Python: Do Zero ao Deploy Inteligente

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
módulo de ~90 min certificado
🔥 0 Nv 1
Módulo 1 de 8
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 = "Chatbots com Python: Do Zero ao Deploy Inteligente"
print(f"Primeira linha rodada no curso de {curso}.")

Módulo 1: Explorando frameworks de chatbots em Python

Do que você gosta? Uso nos exemplos.
Sem cadastro para começar.
🎤 fale sua resposta a qualquer momento · 🔊 toque para ouvir qualquer mensagem do tutor

Assistentes RAG: Do Prompt ao Deploy com LLMs

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
módulo de ~90 min certificado
🔥 0 Nv 1
Módulo 1 de 8
Tutor IA ao vivo

Bem-vindo ao curso de Assistentes RAG: Do Prompt ao Deploy 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: Entendendo a arquitetura RAG e seus componentes

Do que você gosta? Uso nos exemplos.
Sem cadastro para começar.
🎤 fale sua resposta a qualquer momento · 🔊 toque para ouvir qualquer mensagem do tutor

Regex Turbo: Padrões Poderosos com Python

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

>_
Regex Turbo: Padrões Poderosos com Python
módulo de ~75 min certificado
🔥 0 Nv 1
Módulo 1 de 8
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 = "Regex Turbo: Padrões Poderosos com Python"
print(f"Primeira linha rodada no curso de {curso}.")

Módulo 1: Explorando os fundamentos de expressões...

Do que você gosta? Uso nos exemplos.
Sem cadastro para começar.
🎤 fale sua resposta a qualquer momento · 🔊 toque para ouvir qualquer mensagem do tutor

NER Avançado: Do Regex ao LLM em Produção

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
módulo de ~90 min certificado
🔥 0 Nv 1
Módulo 1 de 8
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 = "NER Avançado: Do Regex ao LLM em Produção"
print(f"Primeira linha rodada no curso de {curso}.")

Módulo 1: Explorando fundamentos: O que são entidades...

Do que você gosta? Uso nos exemplos.
Sem cadastro para começar.
🎤 fale sua resposta a qualquer momento · 🔊 toque para ouvir qualquer mensagem do tutor