🤖 Fase 13: Python, Automação, APIs REST e IA Generativa com LLMs

Bem-vindo à Fase 13 da Trilha de Formação em Computação. Nesta etapa final, você aprenderá a linguagem Python para automação de tarefas e criação de APIs de alta velocidade com FastAPI, integrando modelos de Inteligência Artificial Generativa (LLMs), arquitetura RAG (Retrieval-Augmented Generation) e Agentes Inteligentes.

🎯 Objetivos de Aprendizado

• Sintaxe Python & Automação: Manipulação de estruturas de dados (list, dict, set), leitura de arquivos, ambientes virtuais (venv), requisições HTTP e automação de scripts.
• APIs de Alta Performance (FastAPI): Construção de microserviços com validação Pydantic e execução assíncrona (asyncdef).
• Machine Learning & Redes Neurais: Conceitos fundamentais de Aprendizado Supervisionado, Não Supervisionado, Perceptrons, Embeddings e Vetores.
• IA Generativa & LLMs: Consumo de APIs de Modelos de Linguagem (OpenAI API / Gemini API), Engenharia de Prompts e controle de contexto.
• Arquitetura RAG (Retrieval-Augmented Generation): Conexão de modelos de IA a bancos de dados vetoriais locais para respostas precisas sobre documentos próprios.

🚀 Sumário da Fase 13

Acesse a ementa do curso de Python, Automação e Inteligência Artificial abaixo.

📊 Arquitetura Conceitual da Fase 13

flowchart TD
    A[🐍 Python, Ambientes Virtuais & Automação] --> B[⚡ APIs REST de Alta Velocidade com FastAPI]
    B --> C[📊 Machine Learning, Embeddings & Vetores]
    C --> D[💬 Engenharia de Prompts & Consumo de LLMs]
    D --> E[📚 Arquitetura RAG & Assistente de IA de Estudos]

📚 Ementa do Curso (Python, Automação & IA Generativa)

🐍 Módulo 1: Fundamentos de Python e APIs com FastAPI

• Capítulo 01: Introdução ao Python 3.11+, Ambientes Virtuais (venv) e Gerenciador de Pacotes pip
• Capítulo 02: Estruturas de Dados Nativas em Python (list, dict, set, tuple)
• Capítulo 03: Funções, Argumentos *args e **kwargs e Manipulação de Erros
• Capítulo 04: Automação de Tarefas e Consumo de HTTP com a biblioteca requests
• Capítulo 05: Construindo a primeira API REST de Alta Velocidade com FastAPI e Pydantic

📊 Módulo 2: Fundamentos de Machine Learning e Embeddings

• Capítulo 06: O que é Machine Learning, Aprendizado Supervisionado e Não Supervisionado
• Capítulo 07: Classificação, Regressão e Métricas de Avaliação de Modelos
• Capítulo 08: Conceito de Redes Neurais Artificiais e Aprendizado Profundo (Deep Learning)
• Capítulo 09: O que são Embeddings e Representação Vetorial de Textos
• Capítulo 10: Bancos de Dados Vetoriais e Busca por Similaridade de Cosseno

💬 Módulo 3: Engenharia de Prompts e Integração com LLMs

• Capítulo 11: Funcionamento dos Grandes Modelos de Linguagem (LLMs) e Janelas de Contexto
• Capítulo 12: Engenharia de Prompts: Zero-Shot, Few-Shot e Chain-of-Thought
• Capítulo 13: Integração da API de LLMs (OpenAI / Gemini) em Aplicações Python
• Capítulo 14: Validação de Respostas de IA e Mitigação de Alucinações
• Capítulo 15: Estruturação de Respostas JSON Garantidas via Schema Pydantic

📚 Módulo 4: Arquitetura RAG e Agentes Inteligentes

• Capítulo 16: Arquitetura RAG (Retrieval-Augmented Generation): Ingestão, Indexação e Busca
• Capítulo 17: Leitura de Documentos PDF e Fragmentação em Chunks
• Capítulo 18: Construção de um Pipeline RAG Completo em Python
• Capítulo 19: Desenvolvimento de Agentes Inteligentes com Ferramentas Externa (Function Calling)
• Capítulo 20: Projeto Final — Assistente de IA de Estudos e Análise de Desempenho do Aluno em FastAPI 🏆