Minicurso em vídeo

Engenharia de Inteligência Artificial para Soluções Industriais

Uma introdução às ferramentas e técnicas de Engenharia de IA aplicadas à criação de soluções industriais e corporativas.

Disciplina · UFBA

Engenharia de Inteligência Artificial

Sequência de 12 aulas da disciplina ministrada na UFBA, com notebooks práticos em Python e recursos da OpenAI.

Material de aula
01

API da OpenAI e Conversas Interativas

Configuração da biblioteca OpenAI, papéis do sistema e uma função em Python para gerenciar conversas com histórico.

02

Engenharia de Prompts e Geração Automatizada

Estruturação de prompts eficazes e automação de mensagens personalizadas em escala com pandas e a API da OpenAI.

03

Criação de Conteúdo em Massa para Redes Sociais

Pipeline que combina pandas e OpenAI para processar calendários editoriais e exportar posts automaticamente.

04

Agentes de IA e Análise de Tokens

Agentes especializados para Reels, carrosséis e imagens, análise de logprobs e cálculo do custo de uso por token.

05

API de Moderação de Prompts

Categorias de risco, segurança, filtros de entrada e saída e conformidade ética para aplicações com modelos generativos.

06

Embeddings e Agrupamento Semântico

Representação vetorial de textos, similaridade de cosseno, PCA, t-SNE e formação de clusters semânticos.

07

Embeddings para Classificação de Texto

Classificação de textos e sentimentos por distância de cosseno, com avaliação por acurácia e matriz de confusão.

08

Retrieval-Augmented Generation (RAG)

Busca vetorial e recuperação semântica de contexto para conectar LLMs a bases externas e reduzir alucinações.

09

Outputs Estruturados em LLMs

Definição de schemas JSON estritos com OpenAI e Pydantic para gerar respostas válidas e integráveis a sistemas.

10

Capacidades de Visão Computacional

Envio de imagens para modelos multimodais, com análise visual, OCR, descrição de cenas e extração de dados.

11

Trabalhos Práticos e Planejamento de Projetos

Diretrizes para provas de conceito em IA, temas aplicados, novidades da OpenAI e organização do desenvolvimento.

12

Consultoria Prática com Batch API

Processamento em lote de dados em larga escala com a Batch API da OpenAI e manipulação de DataFrames com pandas.

Curso em Vídeo · 7 aulas

Streamlit: Apps de Dados do Zero

Da configuração do ambiente ao deploy: como transformar um script Python em um aplicativo de dados interativo, publicado na web.

Streamlit

Aula 1 — Crie Apps de Dados do Zero: exemplos, configuração e passo a passo completo

Introdução ao Streamlit para criar aplicações web em Python, desde a instalação e o servidor local até textos, Markdown, dashboards interativos e assistentes virtuais.

Assistir no YouTube ↗
Streamlit

Aula 2 — Como funciona a interatividade na criação de apps

Ciclo de execução e reatividade do Streamlit, com widgets numéricos, seletores de cor e texto atualizando o processamento e os gráficos em tempo real.

Assistir no YouTube ↗
Streamlit

Aula 3 — Gráfico interativo do salário dos profissionais de dados do Brasil

App com dados da pesquisa State of Data Brazil, incluindo limpeza e ordenação no Pandas, seletores com st.selectbox e gráficos dinâmicos com Matplotlib.

Assistir no YouTube ↗
Streamlit

Aula 4 — Estruturação de páginas nos aplicativos

Organização de aplicações multipáginas, modularização em arquivos Python no diretório pages, navegação lateral e configurações com st.set_page_config.

Assistir no YouTube ↗
Streamlit

Aula 5 — Widgets: os inputs interativos do Streamlit

Catálogo prático de botões, checkboxes, sliders, datas, upload de arquivos, pills e áudio, com os tipos retornados e argumentos de controle de cada widget.

Assistir no YouTube ↗
Streamlit

Aula 6 — Projeto "Pessoa Especial": um app com OpenAI para alguém especial

Integração com o modelo GPT-4o mini para gerar mensagens personalizadas, aplicar engenharia de prompts e proteger a chave da API com st.secrets.

Assistir no YouTube ↗
Streamlit

Aula 7 — Deploy de uma aplicação: disponibilize suas soluções para o mundo

Publicação gratuita no Streamlit Community Cloud, com repositório no GitHub, dependências no requirements.txt e configuração segura de variáveis em Secrets.

Assistir no YouTube ↗

Curso em Vídeo · 12 aulas

Python e Machine Learning

Uma trilha prática que parte dos fundamentos de Python, NumPy, Pandas e visualização de dados e avança até validação, ensembles, engenharia de recursos e avaliação de modelos.

Python

Aula 1 — Fundamentos de Python e Google Colab

Introdução ao Google Colab, tipos de dados, variáveis, operadores, condicionais e construção de funções em Python.

Assistir no YouTube ↗
Python

Aula 2 — Estruturas de Dados, Iteradores e Projeto Roleta

Bibliotecas, listas, slicing, strings e laços for/while, aplicados a um simulador interativo de roleta no terminal.

Assistir no YouTube ↗
Python

Aula 3 — Vetorização com NumPy e Simulação Monte Carlo

Tuplas, conjuntos, arrays multidimensionais com NumPy, introdução ao Matplotlib e simulação Monte Carlo do álbum de figurinhas.

Assistir no YouTube ↗
Python

Aula 4 — Manipulação de Dados Estruturados com Pandas

Dicionários, Series e DataFrames, estatísticas descritivas, gráficos e importação de arquivos CSV e tabelas HTML.

Assistir no YouTube ↗
Python

Aula 5 — Filtragem, GroupBy e Heurísticas Preditivas

Indexação booleana, apply e groupby no Pandas, com análise exploratória e criação de heurísticas de classificação.

Assistir no YouTube ↗
Python

Aula 6 — Visualização Científica com Matplotlib e SciPy

Customização de gráficos científicos e construção da curva de distribuição normal com Matplotlib e SciPy Stats.

Assistir no YouTube ↗
Machine Learning

Aula 7 — Aprendizado Supervisionado e Regressão Logística

Classificação, regressão, overfitting e underfitting, com treino, teste e avaliação de Regressão Logística.

Assistir no YouTube ↗
Machine Learning

Aula 8 — Classificação e Regressão com KNN

K-Nearest Neighbors, padronização e regiões de decisão, com análise do impacto de K sobre viés, variância e fronteiras.

Assistir no YouTube ↗
Machine Learning

Aula 9 — Validação de Modelos: Holdout e K-Fold

Comparação entre Holdout, K-Fold e Leave-One-Out para evitar viés na seleção de hiperparâmetros do KNN.

Assistir no YouTube ↗
Machine Learning

Aula 10 — Árvores de Decisão e Métodos Ensemble

Árvores de Decisão, Voting, Bagging e Random Forest, incluindo poda, profundidade e fronteiras não lineares.

Assistir no YouTube ↗
Machine Learning

Aula 11 — Engenharia de Variáveis e Workflow no Kaggle

Pipeline no Titanic: EDA, dados ausentes, one-hot encoding, extração de títulos e otimização com GridSearch.

Assistir no YouTube ↗
Machine Learning

Aula 12 — Métricas e Previsão de Churn Bancário

Matriz de confusão, recall, precisão, F1-score e matriz de custo em um pipeline preditivo para churn bancário.

Assistir no YouTube ↗

Aulas Avulsas

Outras Aulas

Vídeos independentes sobre projetos práticos com IA e fundamentos de redes neurais.

Projetos com IA

Site Dinâmico com Google Sheets e IA: tutorial completo (zero ao deploy)

Criação de um site dinâmico e responsivo com assistente de IA, HTML, CSS e JavaScript, usando uma planilha do Google Sheets como banco de dados e deploy gratuito no Netlify.

Assistir no YouTube ↗
Projetos com IA

Transformei meu site em um web app com login e banco de dados (usando IA)

Evolução de um site estático para um web app com Firebase, autenticação Google, Firestore e Storage, incluindo perfil, histórico de pedidos e carrinho interativo.

Assistir no YouTube ↗
Fundamentos

Introdução às Redes Neurais

Perceptron, redes multicamadas e Deep Learning, com funções de ativação, backpropagation, gradiente descendente, TensorFlow Playground e implementação com scikit-learn.

Assistir no YouTube ↗

Quer acompanhar as próximas aulas?

Inscreva-se no canal para ser avisado a cada novo vídeo. Se a sua equipe precisa desse conteúdo agora, no seu ritmo, oferecemos treinamentos ao vivo no formato in-company.

Inscrever-se no canal