Programa do Curso

Introdução aos LLMs de Código Aberto

  • Visão geral dos modelos DeepSeek, Mistral, LLaMA e outros modelos de código aberto
  • Como os LLMs funcionam: Transformers, autoatendimento e treinamento
  • Comparação entre LLMs de código aberto e modelos proprietários

Ajuste Fino e Personalização de LLMs

  • Preparação de dados para ajuste fino
  • Treinamento e otimização de LLMs usando Hugging Face
  • Avaliação do desempenho dos modelos e mitigação de vieses

Construindo Agentes AI com LLMs

  • Introdução ao LangChain para o desenvolvimento de agentes AI
  • Design de fluxos de trabalho baseados em agentes com LLMs
  • Memória, geração complementada por recuperação (RAG) e execução de ações

Implantação de Agentes AI Baseados em LLMs

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

Segurança e Conformidade no AI Empresarial

  • Considerações éticas e conformidade regulatória
  • Mitigação de riscos em automação impulsionada por IA
  • Monitoramento e auditoria do comportamento dos agentes AI

Estudos de Caso e Aplicações no Mundo Real

  • Assistentes virtuais impulsionadas por LLMs
  • Automação de documentos impulsionada por IA
  • Agentes AI personalizados para análise empresarial

Otimização e Manutenção de Agentes Baseados em LLMs

  • Melhoria contínua e atualização do modelo
  • Implantação de monitoramento e loops de 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 grandes (LLMs) e processamento de linguagem natural (NLP)

Público-alvo

  • Engenheiros de IA
  • Desenvolvedores de software corporativo
  • Líderes empresariais
 21 Horas

Declaração de Clientes (1)

Próximas Formações Provisórias

Categorias Relacionadas