Entrar em Contato

Programa do Curso

Introdução aos LLMs de Código Aberto

  • Visão geral dos modelos DeepSeek, Mistral, LLaMA e outros de código aberto
  • Como os LLMs funcionam: Transformers, atenção própria (self-attention) e treinamento
  • Comparação entre LLMs de código aberto e modelos proprietários

Ajuste Fino e Personalização de LLMs

  • Preparação de dados para ajuste fino (fine-tuning)
  • Treinamento e otimização de LLMs usando Hugging Face
  • Avaliação do desempenho do modelo e mitigação de viés

Construindo Agentes de IA com LLMs

  • Introdução ao LangChain para desenvolvimento de agentes de IA
  • Desenho de fluxos de trabalho baseados em agentes com LLMs
  • Memória, geração aumentada por recuperação (RAG) e execução de ações

Implantação de Agentes de IA Baseados em LLM

  • Containerização de agentes de IA com Docker
  • Integração de LLMs em aplicações empresariais
  • Escalonamento de agentes de IA com serviços de nuvem e APIs

Segurança e Conformidade na IA Empresarial

  • Considerações éticas e conformidade regulatória
  • Mitigação de riscos na automação orientada por IA
  • Monitoramento e auditoria do comportamento dos agentes de IA

Estudos de Caso e Aplicações do Mundo Real

  • Assistentes virtuais alimentados por LLM
  • Automação de documentos orientada por IA
  • Agentes de IA personalizados para análise empresarial

Otimização e Manutenção de Agentes Baseados em LLM

  • Melhoria contínua do modelo e atualização
  • Implantação de loops de monitoramento e feedback
  • Estratégias para otimização de custos e ajuste de desempenho

Resumo e Próximos Passos

Requisitos

  • Compreensão sólida de IA e aprendizado de máquina
  • Experiência com programação em Python
  • Familiaridade com modelos de linguagem grande (LLMs) e processamento de linguagem natural (NLP)

Público-Alvo

  • Engenheiros de IA
  • Desenvolvedores de software empresarial
  • Líderes de negócios
 21 Horas

Número de participantes


Preço por participante

Próximas Formações Provisórias

Categorias Relacionadas