LLMs e Agentes de IA

Entenda a arquitetura Transformer, tokenização, embeddings e o mecanismo de atenção. Esta aula introdutória desmistifica os conceitos por trás dos LLMs e estabelece uma base sólida para construir aplicações de IA generativa de verdade.

Aprenda técnicas de prompting que realmente funcionam: few-shot, chain-of-thought e saídas estruturadas. Você vai escrever prompts robustos, usar function calling e reduzir alucinações em aplicações reais com LLMs.

• Few-shot, chain-of-thought e role prompting
• Saídas estruturadas e function calling
• Como reduzir alucinações e medir qualidade

Conecte LLMs aos seus dados com RAG. Você terá experiência prática com chunking, embeddings, bancos vetoriais e estratégias de recuperação para gerar respostas fundamentadas, atualizadas e com citação de fontes.

• Chunking, embeddings e bancos vetoriais
• Estratégias de busca e reranking
• Grounding e citação de fontes nas respostas

Construa agentes que raciocinam, planejam e usam ferramentas para resolver tarefas complexas. Esta aula apresenta os padrões ReAct e de planejamento, memória de longo prazo e orquestração de múltiplos passos.

• Padrões ReAct e de planejamento
• Memória, estado e orquestração de múltiplos passos
• Agentes com uso de ferramentas e APIs em casos reais

Dê autonomia aos seus agentes conectando-os a ferramentas, APIs e bases de conhecimento. Você aprende function calling, orquestração de ferramentas e como combinar RAG e agentes em uma única aplicação.

• Function calling e integração com APIs externas
• Combinando RAG, ferramentas e memória
• Frameworks de agentes e orquestração na prática

Aprenda a levar suas aplicações com LLMs para produção: avalie a qualidade com métricas e datasets de teste, adicione guardrails de segurança, controle custos e latência e monitore o comportamento em produção.

• Avaliação de LLMs: métricas, datasets e LLM-as-judge
• Guardrails, segurança e controle de custos
• Monitoramento de qualidade e observabilidade

Entenda os riscos específicos de LLMs: alucinações, prompt injection, vazamento de dados e viés. Você aprende frameworks para construir aplicações de IA generativa seguras, transparentes e responsáveis.

• Prompt injection e proteção de dados sensíveis
• Mitigação de viés e transparência em LLMs
• Privacidade, segurança e conformidade em aplicações de IA

Aplique tudo o que aprendeu construindo um agente completo com RAG e uso de ferramentas, do protótipo à produção. Você recebe feedback dos instrutores ao longo do processo e sai com um projeto de portfólio que demonstra sua capacidade de entregar aplicações de IA generativa com valor real.