Construa Aplicações de
IA em Produção.

Construa um LLM Playground

Visão geral e fundamentos de LLMs

Pré-treino

• Coleta de dados (crawling manual, Common Crawl)
• Limpeza de dados (RefinedWeb, Dolma, FineWeb)
• Tokenização (BPE)
• Arquitetura (redes neurais, Transformers, família GPT, DeepSeek, Qwen, Gemma)
• Geração de texto (greedy/beam search, top-k, top-p)

Pós-treino

• SFT (Supervised Fine-Tuning)
• RL e RLHF (tarefas verificáveis, reward models, PPO)

Avaliação

• Métricas tradicionais
• Benchmarks específicos por tarefa
• Avaliação humana e leaderboards

Design geral de chatbots

Construa um Chatbot de Atendimento com RAG e Prompt Engineering

Visão geral de técnicas de adaptação

Fine-tuning

• Parameter-efficient fine-tuning (PEFT)
• Adapters e LoRA

Prompt Engineering

• Few-shot e zero-shot prompting
• Chain-of-thought prompting
• Role-specific e user-context prompting

Visão geral de RAGs

Recuperação

• Document parsing (rule-based, AI-based) e estratégias de chunking
• Indexing (keyword, full-text, knowledge-based, vector-based, embedding models)

Geração

• Métodos de search (exact e approximate nearest neighbor)
• Prompt engineering para RAGs

RAFT: técnica de treinamento para RAGs

Avaliação

• Relevância de contexto, faithfulness, correção da resposta

Construa um Agente "Ask-the-Web" (estilo Perplexity) com Tool Calling

Visão geral de Agents

• Agents vs sistemas agentic vs LLMs
• Níveis de agência (workflows, multi-step agents)

Workflows

• Prompt chaining
• Routing
• Parallelization (sectioning, voting)
• Reflection
• Orchestration-worker

Ferramentas

• Tool calling, formatação, execução
• MCP (Model Context Protocol)

Multi-Step Agents

• Autonomia de planejamento
• ReACT, Reflexion, ReWOO
• Tree search para agents

Sistemas Multi-Agent (desafios, casos, protocolo A2A)

Avaliação de Agents

Construa a Capacidade de "Deep Research" com Reasoning Models

Reasoning e Thinking LLMs

• Visão geral de reasoning models (família "o" da OpenAI, DeepSeek-R1)

Técnicas de inference-time

• Inference-time scaling
• CoT prompting
• Parallel sampling
• Sequential sampling
• Tree of Thoughts (ToT)
• Search against a verifier

Técnicas de training-time

• SFT em reasoning data (STaR)
• RL com verifier
• Reward modeling (ORM, PRM)
• Self-refinement
• Internalizing search (Meta-CoT)

Deploy local

Construa um Agente de Geração Multi-Modal

Visão geral de geração de imagem e vídeo

• VAE, GANs, modelos autoregressivos, modelos de diffusion

Text-to-Image (T2I)

• Preparação de dados
• Arquiteturas de diffusion (U-Net, DiT)
• Diffusion training (forward, backward)
• Diffusion sampling
• Evaluation (qualidade de imagem, diversidade, alinhamento image-text, IS, FID, CLIP score)

Text-to-Video (T2V)

• Latent-diffusion modeling (LDM) e compression networks
• Preparação de dados (filtering, padronização, video latent caching)
• Arquitetura DiT para vídeo
• Desafios de treinamento em larga escala

Projeto Capstone

Envie um projeto de IA pronto para portfólio, da ideia ao demo:

• Escolha: pegue sua própria ideia ou comece a partir de uma lista curada
• Construa: implemente usando as técnicas do curso
• Itere: receba feedback em tempo real do instrutor enquanto constrói
• Demo opcional: apresente seu projeto no Demo Day final