📚 Aulas e Tópicos Teóricos de IA

🧱 Bloco 1: Fundamentos de IA, Machine Learning & Transformers

• Capítulo 01: Fundamentos de IA e Machine Learning
• Capítulo 02: A Revolução dos Transformers e Self-Attention
• Capítulo 03: Engenharia de Prompts Sistemática
• Capítulo 04: Representação Semântica com Embeddings

🧱 Bloco 2: Bancos Vetoriais, RAG & Recuperação Semântica Avançada

• Capítulo 05: Bancos Vetoriais de Alta Performance
• Capítulo 06: RAG (Retrieval-Augmented Generation)
• Capítulo 07: RAG Avançado: Busca Híbrida e Re-ranking
• Capítulo 08: Grafos de Conhecimento e GraphRAG

🧱 Bloco 3: Function Calling, Protocolo MCP & Orquestração

• Capítulo 09: Tool Use e Function Calling
• Capítulo 10: Model Context Protocol (MCP)
• Capítulo 11: Frameworks de Orquestração: LangChain e LangGraph
• Capítulo 12: Structured Outputs e Validação com Pydantic

🧱 Bloco 4: Agentes Autônomos, Sistemas Multiagentes & Segurança

• Capítulo 13: Agentes Autônomos e Loops ReAct
• Capítulo 14: Sistemas Multiagentes: CrewAI e AutoGen
• Capítulo 15: Arquitetura de Memória para Agentes
• Capítulo 16: Segurança em LLMs: Prompt Injection e Guardrails

🧱 Bloco 5: Fine-Tuning, LLMOps, Inferência Local & Projeto Integrador

• Capítulo 17: Ajuste Fino Eficiente: LoRA, QLoRA e DPO
• Capítulo 18: Inferência Local e Open-Source: Ollama e vLLM
• Capítulo 19: Avaliação de Sistemas de IA e LLMOps
• Capítulo 20: Projeto Integrador: Agente Corporativo MCP

---

⬅️ Voltar ao Sumário