Aprenda a criar chatbots inteligentes que combinam recuperação de informações e geração de texto para respostas precisas e contextualizadas. Domine ferramentas como LlamaIndex e técnicas avançadas de RAG para transformar dados em conversas naturais.
Nível: Intermediário
Para quem é: Desenvolvedores, engenheiros de dados, entusiastas de IA e profissionais de TI que desejam criar soluções conversacionais inteligentes
Ao concluir, você será capaz de: Capacitar o aluno a construir, otimizar e implantar um chatbot pessoal utilizando RAG, embeddings e LLMs locais ou em nuvem
8 módulos · 12h · certificado ao final
- Entenda a arquitetura RAG e seus componentes essenciais
- Configure embeddings e bancos de dados vetoriais com Python
- Integre LLMs locais (Ollama) e em nuvem (OpenAI, Gemini)
- Projete pipelines de dados para alimentar seu chatbot
- Aplique técnicas de prompt engineering para respostas precisas
- Otimize o desempenho com métricas de qualidade e latência
- Implante seu chatbot em ambientes cloud (AWS, GCP ou Azure)
- Projeto Final: Construa e apresente seu chatbot pessoal com RAG
Projeto Final
Um chatbot funcional com RAG, integrado a uma base de conhecimento personalizada e implantado em um ambiente cloud ou local
Aprenda a implementar sistemas RAG do zero, desde a preparação de dados até o deploy em produção, com foco em otimização e escalabilidade. Domine técnicas avançadas para integrar LLMs com bases de conhecimento personalizadas e entregue soluções inteligentes e eficientes.
Nível: Intermediário a Avançado
Para quem é: Desenvolvedores, engenheiros de ML, cientistas de dados e profissionais de TI que desejam implementar soluções RAG em produção
Ao concluir, você será capaz de: Capacitar o aluno a construir, otimizar e implantar sistemas RAG escaláveis, integrando bases de conhecimento personalizadas e LLMs
8 módulos · 12h · certificado ao final
- Entendendo a arquitetura RAG: componentes e fluxos
- Preparando dados: limpeza, chunking e embeddings avançados
- Configurando bancos vetoriais para buscas semânticas
- Integrando LLMs com sistemas de recuperação de informações
- Otimizando prompts e respostas com técnicas de reranking
- Avaliando desempenho: métricas e validação de resultados
- Deployando RAG em cloud: escalabilidade e monitoramento
- Projeto Final: Construindo um sistema RAG para um caso de uso real
Projeto Final
Um sistema RAG funcional, implantado em cloud, com documentação técnica e métricas de desempenho
Aprenda a criar prompts poderosos para transformar a produção de conteúdo e automação em seu trabalho. Domine técnicas que aumentam a eficiência e a qualidade dos resultados com IA.
Nível: Iniciante a Intermediário
Para quem é: Profissionais de produção de conteúdo, redatores, gestores de projetos, desenvolvedores e analistas que buscam otimizar processos com IA
Ao concluir, você será capaz de: Capacitar o aluno a criar prompts eficazes para gerar textos, automações e soluções práticas em ambientes profissionais usando IA
8 módulos · 10h · certificado ao final
- Explorando os fundamentos de prompt engineering para produção
- Aplicando técnicas de zero-shot e few-shot em cenários reais
- Otimizando prompts para geração de textos técnicos e criativos
- Automatizando fluxos de trabalho com prompts estruturados
- Integrando prompts com APIs e ferramentas de automação
- Avaliando e refinando resultados de prompts para alta qualidade
- Personalizando prompts para nichos específicos (jurídico, marketing, etc.)
- Projeto Final: Construindo um sistema de automação com prompts para produção
Projeto Final
Desenvolvimento de um sistema de automação com prompts personalizados para uma demanda profissional específica, incluindo documentação e exemplos práticos
Aprenda a criar prompts poderosos para LLMs e aplique técnicas avançadas como few-shot learning para otimizar resultados. Ideal para quem quer dominar a engenharia de prompts e integrá-la em projetos reais.
Nível: Iniciante a Intermediário
Para quem é: Desenvolvedores, cientistas de dados, profissionais de TI e entusiastas de IA que desejam dominar a engenharia de prompts
Ao concluir, você será capaz de: Capacitar o aluno a criar prompts eficazes para LLMs, otimizando respostas e aplicando técnicas de few-shot learning em projetos reais
8 módulos · 10h · certificado ao final
- Entenda os fundamentos da engenharia de prompts e sua importância
- Explore técnicas básicas para criar prompts claros e objetivos
- Domine a estruturação de prompts para tarefas específicas
- Aplique técnicas de few-shot learning para melhorar respostas de LLMs
- Avalie e refine prompts usando métricas de desempenho
- Integre prompts em aplicações reais com APIs de LLMs
- Otimize prompts para cenários complexos e multitarefas
- Projeto Final: Construa um sistema de prompts few-shot para um caso de uso real
Projeto Final
Desenvolvimento de um sistema de prompts few-shot para uma aplicação prática, como chatbots ou automação de tarefas, com documentação e avaliação de desempenho
Aprenda a identificar quando LLMs não são a melhor solução e domine técnicas clássicas de NLP para construir sistemas mais rápidos, baratos e precisos. Ideal para quem busca eficiência em processamento textual.
Nível: Intermediário
Para quem é: Desenvolvedores, engenheiros de dados, cientistas de dados e profissionais de NLP que buscam otimizar sistemas de processamento textual
Ao concluir, você será capaz de: Capacitar o aluno a identificar cenários onde NER, Regex e busca clássica superam LLMs, implementando soluções eficientes e escaláveis
8 módulos · 12h · certificado ao final
- Analisando cenários onde LLMs não são ideais: casos de uso e benchmarks
- Dominando Regex: padrões avançados para extração de dados estruturados
- Implementando NER com spaCy: treinamento e customização de modelos
- Explorando busca clássica: índices invertidos e algoritmos de similaridade
- Comparando desempenho: LLMs vs. NER vs. Regex em tarefas reais
- Construindo pipelines híbridos: combinando LLMs com métodos clássicos
- Otimizando latência e custo: estratégias para sistemas de produção
- Projeto Final: Desenvolvendo um sistema de extração e busca híbrido para um caso real
Projeto Final
Um sistema funcional que combina NER, Regex e busca clássica para extrair e buscar informações em um dataset específico, com documentação técnica e análise de desempenho
Domine a criação e aplicação de embeddings em Python, desde a extração de features até o deploy em produção. Aprenda a integrar embeddings com modelos de IA e bancos de dados vetoriais para construir sistemas inteligentes de busca e recomendação.
Nível: Intermediário
Para quem é: Desenvolvedores, cientistas de dados e engenheiros de machine learning que desejam dominar embeddings para NLP, busca semântica e sistemas de recomendação
Ao concluir, você será capaz de: Capacitar o aluno a criar, otimizar e implantar embeddings em aplicações reais, desde a extração de features até a integração com modelos de IA
8 módulos · 12h · certificado ao final
- Entendendo embeddings: da teoria à prática
- Configurando o ambiente Python para embeddings
- Extraindo embeddings com modelos pré-treinados (Word2Vec, GloVe, BERT)
- Treinando embeddings personalizados com PyTorch e TensorFlow
- Otimizando embeddings para busca semântica e similaridade
- Integrando embeddings com bancos de dados vetoriais (FAISS, Pinecone)
- Avaliar e validar a qualidade dos embeddings gerados
- Projeto Final: Construindo um sistema de recomendação com embeddings e deploy na nuvem
Projeto Final
Um sistema de recomendação baseado em embeddings, com backend em Python, integração com banco de dados vetorial e deploy em ambiente cloud (AWS ou GCP)
Aprenda a transformar buscas simples em sistemas inteligentes capazes de entender contexto e significado. Desenvolva soluções práticas que vão além do Ctrl+F, usando IA para recuperar informações com precisão e gerar respostas contextualizadas.
Nível: Iniciante a Intermediário
Para quem é: Desenvolvedores, engenheiros de software e analistas de dados que desejam evoluir de buscas básicas para soluções inteligentes
Ao concluir, você será capaz de: Capacitar desenvolvedores a implementar sistemas de busca avançada com embeddings, LLMs e RAG para aplicações práticas
8 módulos · 10h · certificado ao final
- Explorar a evolução da busca: do Ctrl+F aos modelos de linguagem
- Configurar ambientes para desenvolvimento com embeddings e LLMs
- Criar vetores de significado com Sentence Transformers
- Implementar busca semântica com FAISS e Pinecone
- Integrar LLMs para geração de respostas contextuais
- Desenvolver pipelines de RAG para recuperação avançada
- Avaliar métricas de precisão e relevância em sistemas de busca
- Projeto Final: Construir um sistema de busca inteligente para documentos técnicos
Projeto Final
Um sistema de busca inteligente que utiliza embeddings e RAG para responder consultas técnicas em uma base de documentos personalizada
Aprenda a desenvolver RAGs para buscas e geração de conteúdo avançado. Com isso, você poderá criar soluções personalizadas para suas necessidades de busca e geração de conteúdo.
Nível: Iniciante a Intermediário
Para quem é: Desenvolvedores e profissionais de IA
Ao concluir, você será capaz de: Ser capaz de criar RAGs para busca e geração de conteúdo avançado
5 módulos · 10h · certificado ao final
- Entendendo RAGs e sua aplicação
- Desenvolvendo RAGs com LLMs
- Otimizando buscas com RAGs
- Integração de RAGs com outras tecnologias de IA
- Projeto Final: Construindo um RAG para uma aplicação real
Projeto Final
Um RAG funcional para uma aplicação específica
Aprenda a aplicar técnicas de otimização com IA para melhorar a eficiência e desempenho de sistemas tecnológicos. Desenvolva habilidades práticas para implementar soluções de otimização em projetos reais.
Nível: Intermediário
Para quem é: Profissionais de TI, engenheiros de software, cientistas de dados e analistas de sistemas interessados em otimização com IA
Ao concluir, você será capaz de: Capacitar o aluno a implementar técnicas de otimização com IA para melhorar desempenho, eficiência e escalabilidade de sistemas
8 módulos · 12h · certificado ao final
- Explorando conceitos fundamentais de otimização em sistemas
- Aplicando algoritmos de IA para otimização de processos
- Analisando casos de uso de otimização em diferentes indústrias
- Implementando técnicas de otimização com Python e bibliotecas de IA
- Integrando soluções de otimização em sistemas existentes
- Avaliando métricas de desempenho e eficiência com IA
- Otimizando pipelines de dados com técnicas de machine learning
- Projeto Final: Desenvolvendo um sistema otimizado com IA
Projeto Final
Desenvolvimento e apresentação de um sistema otimizado utilizando técnicas de IA, com análise de desempenho e relatório técnico
Aprenda a extrair o máximo potencial dos LLMs com técnicas avançadas de prompt engineering. Construa sistemas inteligentes que geram respostas precisas e adaptáveis para qualquer cenário profissional
Nível: Intermediário
Para quem é: Desenvolvedores, cientistas de dados, engenheiros de IA e profissionais que trabalham com automação baseada em LLMs
Ao concluir, você será capaz de: O aluno será capaz de projetar prompts otimizados para diferentes cenários, criar pipelines de interação com LLMs e implementar estratégias de validação de respostas
8 módulos · 12h · certificado ao final
- Dominando a anatomia de um prompt eficaz
- Explorando técnicas de few-shot e zero-shot learning
- Implementando chain-of-thought para raciocínio lógico
- Validando respostas com métricas customizadas em Python
- Otimizando prompts para diferentes domínios (jurídico, saúde, marketing)
- Construindo pipelines de interação com LLMs usando LangChain
- Aplicando técnicas de prompt injection e mitigação de riscos
- Projeto Final: Desenvolvendo um sistema de prompts escalável para um caso de uso real
Projeto Final
Um repositório GitHub com um sistema de prompts modular para um domínio específico, incluindo documentação técnica e exemplos de implementação
