Dias: 10, 11, 12 de Fevereiro de 2026
Horário: 19h às 22h
Modalidade: Presencial

Ao final da imersão, o participante será capaz de organizar e utilizar dados de maneira estratégica, implantar projetos de Inteligência Artificial com retorno mensurável, criar assistentes e agentes inteligentes aplicados a processos reais, compreender modelos generativos e multimodais e suas aplicações corporativas, além de aplicar estratégias de segurança, governança e conformidade em IA. Também será capaz de aumentar a velocidade dos processos, melhorar a acurácia das análises, ampliar a escalabilidade das entregas, reduzir custos e elevar a eficiência operacional.

O participante deverá trazer seu notebook para as atividades do curso.

Fundamentos da Inteligência Artificial : compreender os conceitos fundamentais da IA, aprendizado de máquina e processamento de linguagem natural.

• Introdução à Inteligência Artificial
  História e evolução da IA. IA Simbólica vs. IA Estatística.  Aplicações práticas da IA
• Fundamentos de Machine Learning
  Aprendizado supervisionado vs. não supervisionado. Modelos preditivos e classificadores. Overfitting e underfitting
• Redes Neurais e Grandes Modelos de Linguagem (LLMs)
  Estrutura básica de redes neurais. Arquitetura de transformers. Como funcionam os LLMs (Large Language Models)
• Introdução ao Processamento de Linguagem Natural (NLP)
  O que é NLP e seus desafios. Tokenização e embeddings. Modelos pré-treinados
  
  

Engenharia de Prompt e Fundamentos de IA Generativa: explorar estratégias de engenharia de prompt, modelos vetoriais e bancos de embeddings.

• Engenharia de Prompt
  O que é prompt engineering? Tipos de prompts e suas aplicações.  Técnicas avançadas de prompting (Few-shot, Chain of Thought, Zero-shot)
• Tokenização e Embeddings
  Como os modelos de IA entendem texto. Diferença entre tokenização e embeddings. Criação e uso de embeddings em aplicações
• Bancos Vetoriais para IA
  O que são bancos vetoriais? Armazenamento e recuperação de informações usando bancos vetoriais. Integração de embeddings com bases vetoriais (ex: Supabase)
• Aplicações práticas de IA Generativa
  Chatbots e assistentes virtuais. Resumo e análise de textos. Criação de conteúdo automatizado
  
  

Construção de Agentes de IA com Dify: criar e configurar um agente de IA funcional utilizando a plataforma Dify.

• O que são agentes de IA?
  Diferença entre chatbots e agentes de IA. Arquitetura de um agente inteligente. Modelos baseados em regras vs. modelos baseados em LLMs
• Introdução à Plataforma Dify
  O que é a Dify? Configuração inicial e ambiente de desenvolvimento. Integração com modelos de IA (ex: OpenAI, Cohere, Mistral)
• Criando um agente de IA do zero
  Definição do propósito do agente. Configuração de prompts e contexto. Uso de memória e persistência de dados
• Integrando o agente com bancos vetoriais
  Como armazenar e recuperar informações do agente. Melhorando a resposta do agente com embeddings. Implementando recuperação aumentada de informações (RAG)
• Testes e deploy
  Testando a performance do agente. Ajustando prompts e fine-tuning. Implantação do agente em diferentes plataformas
• Usos de agentes autônomos: Manus e Lovable