Curso de IA Generativa

Aula 1 • O Ecossistema de IA Generativa Hoje

Mapeia o cenário atual de provedores, projetos de código aberto e plataformas de implantação. Ajuda os alunos a navegar pelas escolhas de ferramentas relevantes para seu contexto profissional.

Aula 2 • História e Evolução da IA Generativa

Traça o desenvolvimento desde os primeiros modelos de linguagem estatística até os modelos base modernos. Fornece contexto para entender as capacidades e limitações atuais.

Aula 3 • O Que a IA Generativa Realmente É

Define a IA generativa contrastando-a com sistemas discriminativos e baseados em regras. Estabelece um vocabulário preciso usado ao longo do curso.

Aula 1 • Tokenização e Representação de Texto

Explica como o texto bruto é convertido em tokens e embeddings numéricos. Fundamenta decisões posteriores de engenharia de prompt em uma compreensão do formato de entrada do modelo.

Aula 2 • Mecanismos de Atenção e Transformers

Desmistifica a autoatenção e o bloco transformer sem exigir cálculo. Explica como o tamanho da janela de contexto afeta a coerência e a recordação.

Aula 3 • Inferência, Amostragem e Controle de Saída

Aborda como os modelos geram tokens no momento da inferência e como os parâmetros de amostragem moldam as saídas. Permite que os alunos ajustem a temperatura e outros controles de forma proposital.

Aula 4 • Pré-treinamento e Ajuste Fino

Diferencia o pré-treinamento em grandes corpora do ajuste fino para tarefas específicas. Esclarece o que um modelo sabe por padrão versus o que requer treinamento adicional.

Aula 1 • Prompts de Cadeia de Pensamento e Raciocínio

Apresenta técnicas que elicitam raciocínio passo a passo para melhorar a precisão em tarefas complexas. Conecta prompts de raciocínio a ganhos mensuráveis de qualidade de saída.

Aula 2 • Anatomia de um Prompt Eficaz

Detalha os componentes de um prompt bem formado: instrução, contexto, dados de entrada e formato de saída. Estabelece uma estrutura repetível para todo o trabalho subsequente de prompting.

Aula 3 • Prompting Zero-Shot e Few-Shot

Contrasta o prompting sem exemplos com o fornecimento de demonstrações. Ensina quando cada abordagem é apropriada e como selecionar exemplos de alta qualidade.

Aula 4 • Iteração e Teste de Prompt

Estabelece um processo sistemático para diagnosticar falhas de prompt e iterar em direção a saídas confiáveis. Apresenta métodos de avaliação leves aplicáveis sem ferramentas formais de ML.

Aula 1 • Interfaces de IA Generativa Sem Código e com Baixo Código

Examina ambientes de playground, ferramentas de automação de fluxo de trabalho e recursos de IA embarcados em softwares de produtividade. Permite aplicação imediata sem escrever código.

Aula 2 • Gerenciamento de Custo, Latência e Taxa

Quantifica as compensações de custo e velocidade de diferentes modelos e configurações de requisição. Equipa os alunos para tomar decisões de implantação economicamente sólidas.

Aula 3 • Conceitos de API para Não Engenheiros

Explica APIs REST, autenticação e ciclos de requisição-resposta em termos acessíveis. Remove a barreira técnica para experimentar serviços de IA Generativa diretamente.

Aula 4 • Estruturando Requisições de API para LLMs

Aborda os campos de mensagem do sistema, mensagem do usuário e histórico de conversa usados em APIs de chat-completion. Ensina como a estrutura da mensagem afeta o comportamento do modelo.

Aula 1 • Estratégias de Recuperação e Reclassificação

Compara recuperação densa, recuperação esparsa e abordagens híbridas. Apresenta a reclassificação para melhorar a relevância do contexto recuperado antes da geração.

Aula 2 • Embeddings e Armazenamentos de Vetores

Explica como o texto é convertido em vetores densos e armazenado para busca por similaridade. Fornece orientação prática sobre seleção e configuração de bancos de dados vetoriais.

Aula 3 • Avaliando e Melhorando Pipelines de RAG

Apresenta métricas para qualidade de recuperação e fidelidade da resposta. Ensina a melhoria iterativa de cada componente do pipeline com base nos resultados da avaliação.

Aula 4 • Ingestão e Fragmentação de Documentos

Aborda estratégias para dividir documentos em fragmentos recuperáveis, preservando a coerência semântica. Impacta diretamente a precisão da recuperação e a qualidade da resposta.

Aula 1 • Preparação de Dados de Treinamento de Alta Qualidade

Aborda curadoria de conjunto de dados, formatação e filtragem de qualidade para ajuste fino de instrução. A qualidade dos dados é o maior determinante individual do desempenho do modelo ajustado.

Aula 2 • Configuração e Monitoramento do Treinamento

Aborda seleção de hiperparâmetros, agendamento de taxa de aprendizado e monitoramento de perda durante as execuções de treinamento. Equipa os alunos para detectar e corrigir instabilidade de treinamento precocemente.

Aula 3 • Avaliando e Implantando Modelos Ajustados

Estabelece protocolos de avaliação comparando modelos ajustados com linhas de base. Aborda mesclagem de modelos, quantização para implantação e gerenciamento de versão.

Aula 4 • Métodos de Ajuste Fino com Eficiência de Parâmetros

Apresenta LoRA, QLoRA e métodos baseados em adaptadores que reduzem os requisitos de computação e memória. Torna o ajuste fino acessível sem infraestrutura de GPU de nível corporativo.

Aula 1 • Estratégias de Planejamento e Raciocínio

Aborda os padrões de planejamento ReAct, planejar-e-executar e árvore de pensamentos para tarefas agentivas. Conecta a escolha da estratégia de planejamento à complexidade da tarefa e aos requisitos de confiabilidade.

Aula 2 • Confiabilidade, Segurança e Supervisão Humana

Identifica modos de falha exclusivos de sistemas agentivos, incluindo erros em cascata e ações não intencionais. Estabelece pontos de verificação de intervenção humana e padrões de proteção.

Aula 3 • Uso de Ferramentas e Chamada de Funções

Ensina como os agentes invocam ferramentas externas por meio de APIs de chamada de funções para estender suas capacidades. Aborda design de esquemas de ferramentas e padrões de execução segura.

Aula 4 • Fundamentos de Arquitetura de Agentes

Define o loop do agente: perceber, planejar, agir, observar e repetir. Distingue arquiteturas de agente único de multiagente e seus casos de uso apropriados.

Aula 1 • Privacidade, Proteção de Dados e Consentimento

Aborda os riscos de exposição de dados pessoais por meio de prompts, dados de treinamento e saídas do modelo. Estabelece práticas de minimização de dados e anonimização para uso responsável.

Aula 2 • Segurança, Mau Uso e Prevenção de Danos

Cataloga vetores de mau uso, incluindo desinformação, deepfakes e manipulação automatizada. Ensina controles técnicos e de políticas que reduzem o potencial de danos.

Aula 3 • Estruturas de Governança e Conformidade de IA

Examina princípios regulatórios emergentes, padrões voluntários e estruturas internas de governança. Equipa os alunos para construir programas de IA em conformidade dentro de suas organizações.

Aula 4 • Viés, Equidade e Representação

Examina como os dados de treinamento e o design do modelo introduzem viés nas saídas de IA Generativa. Ensina métodos de auditoria de viés e estratégias de mitigação aplicáveis em todas as modalidades.