Fase 1 — Fundamentos
História, machine learning e redes neurais — a base de tudo
Introdução à Inteligência Artificial
Antes de construir sistemas de IA, precisamos entender o que é — e o que não é. Uma jornada de Turing aos LLMs, com analogias do mundo real.
Machine Learning Clássico
Como máquinas aprendem com dados — antes das redes neurais. Regressão, classificação, clustering e os fundamentos que sustentam todo o resto.
Redes Neurais
A arquitetura que tornou possível o Deep Learning. Neurônios artificiais, camadas, backpropagation e como redes aprendem representações complexas.
Fase 2 — Linguagem
NLP, Transformers, LLMs e a arte de escrever prompts
Processamento de Linguagem Natural
Como máquinas entendem texto — a base dos LLMs. Tokenização, embeddings de palavras, RNNs e a evolução até os Transformers.
Transformers — A Revolução
O paper "Attention is All You Need" (2017) e a arquitetura que mudou tudo. Self-attention, multi-head attention, BERT, GPT.
LLMs — Grandes Modelos de Linguagem
GPT, Claude, Llama — como funcionam os modelos que geram texto. Pré-treinamento, fine-tuning, RLHF, context window e como escolher o modelo certo.
Prompt Engineering
A arte de "conversar" com LLMs. Como escrever instruções eficazes para obter respostas precisas, fundamentadas e no formato desejado.
Fase 3 — Aplicações
RAG na prática e modelos que enxergam, ouvem e falam
RAG — Retrieval-Augmented Generation
O clímax do curso! Parsing, chunking, embeddings, busca vetorial, reranking, prompts e deploy. Construa um RAG completo do zero.
Agents e Tool Use
LLMs que agem no mundo real. Function calling, ReAct, multi-agent systems e agentic RAG. O modelo decide quando buscar, o que buscar e se precisa buscar mais.
Modelos Multimodais
LLMs que enxergam, ouvem e falam. Vision-Language Models, OCR inteligente, speech-to-text e RAG multimodal.
Fase 4 — Produção
Adaptar modelos ao seu domínio e colocar IA em produção
Fine-Tuning e Treinamento Próprio
Quando RAG não basta — adaptar o modelo ao seu domínio. LoRA, QLoRA, datasets de treinamento e o combo RAG + Fine-tuning.
MLOps e Produção
Colocar IA no mundo real. Observabilidade, versionamento, monitoramento de drift, CI/CD para IA, custos e escalabilidade. Como manter sistemas funcionando 24/7.
Ética, Segurança e Futuro
O último módulo do curso. Viés em IA, privacidade, regulamentação, deepfakes, AGI e o futuro do trabalho. Como construir IA de forma responsável — e para onde estamos indo.