Engenharia de Prompt e APIs de IA
40 horasIntermediário8 módulos
5 de 8 módulos com ementa publicada
0 de 8 módulos gravados
Ementa
Foca em construir sobre modelos de terceiros em vez de treinar os próprios: APIs OpenAI/Anthropic/OSS, function calling e custo; publicar o resultado como serviço com FastAPI e Docker; e avaliar o que se construiu com benchmarks, evals de LLM, testes A/B e red teaming. A base entra por Python, texto como dados e ética/vieses; a orientação a agentes entra pelos dois módulos introdutórios de Agentic AI, que definem a fronteira entre chatbot e agente.
Módulos da formação
Os mesmos objetos do currículo completo. Um módulo aberto a partir de qualquer formação que o contenha é o mesmo módulo, com a mesma ementa e o mesmo estado.
| Código | Módulo | Conteúdo | Prática | Estado | Preço |
|---|---|---|---|---|---|
| CORE-102 | Python para IA | Sintaxe, funções, ambientes (venv/conda), notebooks | Mini-projeto: analisador de texto simples | Ementa publicada | R$ 120US$ 40MX$ 500valor estimado0 de 1 módulo publicado |
| CORE-107 | Ética, vieses e segurança em IA | Vieses em dados, privacidade, uso responsável | Auditar vieses de um modelo pronto | Ementa publicada | R$ 120US$ 40MX$ 500valor estimado0 de 1 módulo publicado |
| AG-101 | O que são agentes: LLM + ferramentas + loop | Ementa detalhada ainda não escrita | — | Ementa publicada | |
| AG-102 | Chatbots vs. agentes (prática com APIs) | Ementa detalhada ainda não escrita | — | Ementa publicada | |
| NLP-101 | Texto como dados (tokens, limpeza, regex) | Ementa detalhada ainda não escrita | — | Ementa publicada | |
| CORE-205 | APIs de IA e engenharia de prompt | OpenAI/Anthropic/OSS, function calling, custos | App CLI que usa um LLM via API | Ementa publicada | R$ 180US$ 60MX$ 750valor estimado0 de 1 módulo publicado |
| CORE-206 | Deploy básico | FastAPI, Docker, publicar um modelo como API | Colocar o modelo do CORE-203 no ar | Ementa publicada | R$ 180US$ 60MX$ 750valor estimado0 de 1 módulo publicado |
| CORE-304 | Avaliação de sistemas de IA | Benchmarks, evals de LLM, testes A/B, red teaming | Construir suíte de evals para um app | Ementa publicada | R$ 240US$ 80MX$ 1.000valor estimado0 de 1 módulo publicado |
- CORE-102Ementa publicada
Python para IA
- Conteúdo
- Sintaxe, funções, ambientes (venv/conda), notebooks
- Prática
- Mini-projeto: analisador de texto simples
R$ 120US$ 40MX$ 500valor estimado0 de 1 módulo publicado
- CORE-107Ementa publicada
Ética, vieses e segurança em IA
- Conteúdo
- Vieses em dados, privacidade, uso responsável
- Prática
- Auditar vieses de um modelo pronto
R$ 120US$ 40MX$ 500valor estimado0 de 1 módulo publicado
- AG-101Ementa publicada
O que são agentes: LLM + ferramentas + loop
Ementa detalhada ainda não escrita
- AG-102Ementa publicada
Chatbots vs. agentes (prática com APIs)
Ementa detalhada ainda não escrita
- NLP-101Ementa publicada
Texto como dados (tokens, limpeza, regex)
Ementa detalhada ainda não escrita
- CORE-205Ementa publicada
APIs de IA e engenharia de prompt
- Conteúdo
- OpenAI/Anthropic/OSS, function calling, custos
- Prática
- App CLI que usa um LLM via API
R$ 180US$ 60MX$ 750valor estimado0 de 1 módulo publicado
- CORE-206Ementa publicada
Deploy básico
- Conteúdo
- FastAPI, Docker, publicar um modelo como API
- Prática
- Colocar o modelo do CORE-203 no ar
R$ 180US$ 60MX$ 750valor estimado0 de 1 módulo publicado
- CORE-304Ementa publicada
Avaliação de sistemas de IA
- Conteúdo
- Benchmarks, evals de LLM, testes A/B, red teaming
- Prática
- Construir suíte de evals para um app
R$ 240US$ 80MX$ 1.000valor estimado0 de 1 módulo publicado
Nem tudo cabe em 40 horas. Estado da arte, treino distribuído, interpretabilidade, edge e os cinco projetos integradores existem apenas dentro das trilhas completas: Trilhas