Curso · 12 capítulos
Fundamentos de Engenharia de IA
Coloque funcionalidades de IA em produção: prompting, RAG, saídas estruturadas, fine-tuning e otimização de inferência. Prático, gratuito, 12 capítulos (~4.3h) para engenheiros.
O que você vai saber fazer
- Escreva prompts estruturados e testáveis
- Construa um pipeline de RAG do início ao fim
- Gere saídas estruturadas com tipagem segura
- Faça fine-tuning de modelos com LoRA
- Reduza latência e custo de IA
- Construa pipelines de IA multimodal
O que tem dentro
- 1AI Engineering Foundations: Intro
O mapa do skill path AI Engineering Foundations — o que os capítulos ensinam, como se conectam e por onde começar.
- 2A Arte do Prompt Engineering
Escreva prompts que funcionam como programas — estruturados, testáveis e consistentemente eficazes.
- 3Context Engineering
Domine a arte e a ciência de curar o contexto ideal para agentes de IA.
- 4Saídas Estruturadas e Engenharia de Schema
Construa pipelines de IA type-safe que retornam exatamente o formato de dados que você precisa, toda vez.
- 5Fundamentos de RAG: Do Chat à Recuperação
Construa o pipeline RAG mínimo viável — chunk, embed, store, retrieve, augment, generate — em código direto.
- 6RAG Engineering
Leve o backbone de retrieval para produção — deep-dive em embeddings, estratégias de chunking, processamento de documentos, padrões avançados e avaliação. Pressupõe RAG Foundations.
- 7Fine-Tuning para Engenheiros de IA
Quando, por que e como fazer fine-tuning de LLMs — da preparação do dataset ao deploy em produção.
- 8Engenharia de IA Multimodal
Construa sistemas em produção com APIs de visão, extração de documentos e IA multimídia.
- 9Engenharia de Datasets
Construa os datasets que fazem sistemas de IA realmente funcionarem — da geração sintética a suítes de avaliação.
- 10Prompt Caching & Otimização de Inferência
Engenharia de inferência LLM mais rápida, barata e eficiente — da mecânica de KV-cache a estratégias de serving em produção.
- 11Engenharia de Contexto para Sistemas de Conhecimento
Arquitete bases de conhecimento que agentes de IA consigam navegar, recuperar informações e agir.
- 12Pós-Treinamento: DPO, GRPO e RL para LLMs
Escolha o algoritmo certo de pós-treinamento -- otimização de preferência, RL de raciocínio e RL de agentes -- sem se perder em papers de pesquisa.
Perguntas frequentes
- O que vou aprender em Fundamentos de Engenharia de IA?
- Você aprende a construir sistemas de IA para produção: engenharia de prompts e contexto, saídas estruturadas, pipelines de RAG do chunking à recuperação, fine-tuning com SFT e LoRA, processamento multimodal, engenharia de datasets, otimização de inferência e métodos de pós-treinamento como DPO e GRPO. Cada capítulo é prático e baseado em código direto ao ponto.
- Para quem é este curso?
- Foi criado para engenheiros de software e desenvolvedores que querem colocar funcionalidades reais de IA em produção, não apenas experimentar com chatbots. O curso pressupõe que você sabe ler e escrever código e quer entender as técnicas por trás de RAG, fine-tuning e geração estruturada.
- Preciso ter experiência prévia em IA ou machine learning?
- Você precisa de experiência geral em programação, mas não de conhecimento prévio em machine learning. O percurso é voltado para o nível de praticante e explica cada técnica — como embeddings, recuperação e LoRA — conforme você as aplica na prática.
- Qual é a duração do curso e como ele está estruturado?
- O percurso tem 12 capítulos totalizando cerca de 4.3 horas (257 minutos). Começa com um capítulo introdutório que mapeia todos os tópicos para você saber por onde começar e como os capítulos se conectam, avançando por prompting, RAG, fine-tuning, multimodal e otimização de inferência.
- Fundamentos de Engenharia de IA é gratuito?
- Sim, este percurso é gratuito. Você tem acesso a todos os 12 capítulos sobre prompting, RAG, fine-tuning, IA multimodal e otimização de inferência sem nenhum custo.
Ganhe um certificado
Conclua todos os capítulos para receber seu certificado de conclusão.