Curso de Desenvolvimento de IA Generativa com Python em Manaus / AM

Ementa Geral

• Fundamentos da Inteligência Artificial Generativa. 

• Arquitetura de aplicações baseadas em LLMs.

• Configuração do ambiente Python para desenvolvimento de IA. 

• Consumo de APIs de modelos de linguagem. 

• Engenharia de Prompt. 

• Desenvolvimento de assistentes inteligentes. Gerenciamento de memória e contexto conversacional. 

• Processamento de documentos. 

• Construção de sistemas RAG

• (Retrieval-Augmented Generation). 

• Utilização de embeddings e bancos vetoriais. Desenvolvimento de agentes inteligentes. 

• Integração com APIs externas e bancos de dados. Boas práticas de desenvolvimento, segurança, otimização e implantação de aplicações de IA.

Aula 1 – Fundamentos da IA Generativa e Estrutura Inicial do Projeto

Objetivos: Compreender os conceitos fundamentais da IA Generativa e iniciar o desenvolvimento da

aplicação que será evoluída ao longo do curso.

Conteúdo

• Introdução à IA Generativa

• Conceitos de LLMs

• Arquitetura de aplicações inteligentes

• Configuração do ambiente Python

• Estruturação do projeto

• Integração inicial com modelos de linguagem

Atividade Prática

• Configuração do ambiente de desenvolvimento

• Criação da primeira versão da IA Generativa

Aula 2 – Engenharia de Prompt e Especialização da IA

Objetivos: Ensinar a aplicação a responder de forma estruturada e especializada.

Conteúdo

• Fundamentos da Engenharia de Prompt

• Zero-Shot e Few-Shot Prompting

• Chain-of-Thought

• Templates de Prompt

• Definição de personalidade e contexto

• Controle de comportamento da IA

Atividade Prática

• Transformação da IA básica em um assistente especializado

Aula 3 – Memória Conversacional e Gerenciamento de Contexto

Objetivos: Adicionar capacidade de memória e contextualização às interações.

Conteúdo

• Memória de curto prazo

• Histórico de conversas

• Persistência de contexto

• Gerenciamento de sessões

• Estratégias para retenção de informações

Atividade Prática

• Implementação de memória conversacional na aplicação

Aula 4 – Construção de Bases de Conhecimento

Objetivos: Permitir que a IA utilize documentos próprios como fonte de consulta.

Conteúdo

• Processamento de documentos

• PDFs, documentos e textos estruturados

• Introdução a embeddings

• Busca semântica

• Preparação de bases de conhecimento

Atividade Prática

• Criação da base documental da aplicação

Aula 5 – Construção de Sistemas RAG

Objetivos: Transformar a aplicação em uma IA capaz de responder com base em documentos específicos.

Conteúdo

• Conceitos de RAG

• Recuperação de informações

• Integração entre busca e geração

• Estratégias de recuperação contextual

• Melhoria da precisão das respostas

Atividade Prática

• Implementação do mecanismo RAG na aplicação

Aula 6 – Integração com APIs e Fontes Externas

Objetivos: Conectar a aplicação a serviços externos e fontes dinâmicas de informação.

Conteúdo

• APIs REST

• Consumo de serviços externos

• Integração com bancos de dados

• Recuperação dinâmica de informações

• Automação de consultas

Atividade Prática

• Integração da IA com APIs e sistemas externos

Aula 7 – Agentes Inteligentes e Automação

Objetivos: Adicionar autonomia e capacidade de execução de tarefas à aplicação.

Conteúdo

• Conceito de agentes inteligentes

• Ferramentas e funções externas

• Planejamento e execução de tarefas

• Fluxos de decisão

• Agentes especializados

Atividade Prática

• Desenvolvimento de um agente inteligente integrado à aplicação

Aula 8 – Projeto Final e Publicação da Aplicação

Objetivos: Consolidar todos os conhecimentos adquiridos e concluir o projeto desenvolvido ao longo do

curso.

Conteúdo

• Arquitetura final da aplicação

• Segurança e boas práticas

• Otimização de desempenho

• Estratégias de implantação

• Apresentação dos projetos

Projeto Final

Entrega de uma IA Generativa completa contendo:

• Interface de interação;

• Memória contextual;

• Base de conhecimento;

• Sistema RAG;

• Integrações externas;

• Agente inteligente.