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
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
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
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
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
Aprenda a identificar quando técnicas clássicas de NLP superam LLMs e implemente soluções eficientes para extração e busca de dados. Reduza custos e latência com pipelines otimizados para cenários reais.
Nível: Intermediário
Para quem é: Desenvolvedores, engenheiros de dados, analistas de NLP e profissionais de TI que trabalham com processamento de texto e buscas em sistemas legados ou de alto desempenho
Ao concluir, você será capaz de: Capacitar o aluno a identificar cenários onde técnicas clássicas de NLP (como NER e regex) superam LLMs, implementando soluções eficientes e escaláveis para extração e busca de dados
8 módulos · 10h · certificado ao final
- Analisando cenários: Quando LLMs falham e por quê
- Dominando regex: Padrões avançados para extração de dados
- Implementando NER com spaCy e regras personalizadas
- Otimizando buscas clássicas: Índices, tokenização e performance
- Construindo pipelines híbridos: Regex + NER + LLMs
- Avaliando métricas: Precisão, recall e eficiência em sistemas clássicos
- Deploy de soluções: Integração com APIs e bancos de dados
- Projeto Final: Pipeline de extração e busca para um sistema legado
Projeto Final
Um pipeline completo de extração e busca de dados usando regex e NER, integrado a um sistema legado ou de alto desempenho, com documentação técnica e métricas de performance
Domine a criação e deploy de embeddings com Python, desde a teoria até a implementação em produção. Aprenda a transformar textos em vetores poderosos para aplicações de NLP e busca inteligente.
Nível: Intermediário
Para quem é: Desenvolvedores, cientistas de dados e engenheiros de ML que desejam dominar embeddings para aplicações reais
Ao concluir, você será capaz de: Capacitar o aluno a criar, otimizar e implantar embeddings em produção usando bibliotecas modernas e técnicas avançadas de vetorização
8 módulos · 12h · certificado ao final
- Explorando conceitos fundamentais de embeddings e suas aplicações
- Configurando o ambiente Python com Sentence Transformers e FAISS
- Treinando embeddings personalizados com datasets específicos
- Otimizando embeddings para busca semântica e similaridade
- Integrando embeddings com sistemas RAG usando LangChain
- Avaliando qualidade de embeddings com métricas avançadas
- Implantando embeddings em produção com FastAPI e Docker
- Projeto Final: Construindo um sistema de busca semântica completo com embeddings
Projeto Final
Um sistema de busca semântica funcional com embeddings personalizados, API REST e documentação técnica
Aprenda a transformar buscas simples em sistemas inteligentes capazes de entender significado e contexto. Domine técnicas avançadas para implementar soluções de busca que vão além do Ctrl+F, utilizando IA para resultados precisos e relevantes.
Nível: Iniciante a Intermediário
Para quem é: Desenvolvedores, analistas de dados, profissionais de TI e entusiastas de IA interessados em aprimorar sistemas de busca
Ao concluir, você será capaz de: Capacitar o aluno a implementar sistemas de busca inteligentes, desde métodos clássicos até soluções avançadas com embeddings e RAG
8 módulos · 12h · certificado ao final
- Explorar a história da busca: do Ctrl+F aos motores modernos
- Implementar buscas clássicas com regex e expressões regulares
- Aplicar Named Entity Recognition (NER) para extração de dados
- Criar embeddings com Python para representação semântica
- Desenvolver um sistema de busca semântica com vetores
- Integrar RAG para recuperação de informações contextuais
- Avaliar métricas de desempenho em sistemas de busca
- Projeto Final: Construir um buscador inteligente com RAG e embeddings
Projeto Final
Um sistema de busca inteligente que combina técnicas clássicas e semânticas para recuperar informações contextuais de um conjunto de documentos
Aprenda a combater fraudes em avaliações usando IA, desde a análise de padrões até a implementação de sistemas automatizados. Transforme dados de respostas em insights acionáveis para garantir a integridade acadêmica.
Nível: Intermediário
Para quem é: Professores, coordenadores pedagógicos, desenvolvedores de EdTech e profissionais de TI educacional
Ao concluir, você será capaz de: Capacitar educadores e desenvolvedores a implementar sistemas de detecção de fraudes em avaliações usando modelos de linguagem e análise de padrões
8 módulos · 12h · certificado ao final
- Entendendo padrões de fraude em avaliações: do plágio à cola colaborativa
- Configurando ambientes para análise de texto com Python e LLMs
- Analisando similaridade semântica com embeddings e cosine similarity
- Implementando modelos de detecção de outliers em respostas dissertativas
- Criando pipelines de validação com LLMs para questões objetivas
- Desenvolvendo dashboards interativos para visualização de fraudes
- Integrando sistemas de detecção com plataformas LMS (Moodle, Google Classroom)
- Projeto Final: Construindo um sistema completo de detecção de fraudes para uma avaliação real
Projeto Final
Um sistema funcional de detecção de fraudes em avaliações, com relatórios automatizados e integração simulada com uma plataforma LMS
Aprenda a transformar desafios pedagógicos em soluções automatizadas com LLMs, criando assistentes que economizam tempo e elevam a qualidade do ensino. Domine desde a engenharia de prompts até a integração com sistemas educacionais, com foco em aplicações práticas e éticas.
Nível: Intermediário
Para quem é: Professores, coordenadores pedagógicos, designers instrucionais e profissionais de tecnologia educacional que desejam integrar IA em suas práticas
Ao concluir, você será capaz de: Capacitar educadores a projetar, treinar e implantar assistentes de IA baseados em LLMs para automatizar tarefas pedagógicas, personalizar feedbacks e otimizar a gestão da sala de aula
8 módulos · 12h · certificado ao final
- Explorar casos de uso de IA na educação: do feedback à personalização
- Configurar ambientes de desenvolvimento para LLMs (Google Colab, Hugging Face)
- Projetar prompts pedagógicos: técnicas para avaliação, explicação e engajamento
- Treinar modelos com dados educacionais: datasets públicos e privacidade
- Integrar LLMs a APIs de LMS (Moodle, Google Classroom) com Python
- Desenvolver um assistente de feedback automático para redações escolares
- Avaliar métricas de desempenho: precisão, alucinações e viés em contextos educacionais
- Projeto Final: Construir e implantar um assistente pedagógico completo com LlamaIndex
Projeto Final
Um assistente de IA funcional para uma disciplina específica, capaz de corrigir atividades, gerar feedbacks personalizados e recomendar materiais complementares, integrado a uma plataforma educacional (ex: Moodle) ou via chatbot
