Name: Inteligência Artificial para Executivos
SKU: 318
Price: 599.00 BRL
Availability: InStock

Descrição

O que você vai aprender?

Introdução à Inteligencia Artificial

Entenda de onde vem todo o Hype de IA. Como funcionam, por que cresceram tanto recentemente e toda a história por trás da tecnologia que promete mudar nosso jeito de viver.

Fundamentos de IA

Conceitos essenciais da inteligência artificial, incluindo suas definições, histórico e impacto nos negócios e na sociedade. Serão abordados os principais tipos de IA, como aprendizado supervisionado, não supervisionado e por reforço, além das diferenças entre inteligência artificial, aprendizado de máquina e aprendizado profundo.
Os participantes também aprenderão sobre os principais algoritmos e casos de uso práticos em diferentes setores, com foco em compreender como a IA pode ser aplicada para resolver problemas reais e impulsionar a inovação organizacional. Este módulo estabelece uma base sólida para que os alunos avancem nos estudos e apliquem a IA de maneira estratégica e eficaz.

Como funcionam as IA

Aspectos técnicos e operacionais que tornam os sistemas de inteligência artificial possíveis. Serão discutidos os conceitos de treinamento de modelos, redes neurais, processamento de dados e arquitetura de algoritmos, além de como as IAs aprendem com dados para tomar decisões ou realizar tarefas.
O módulo também abordará temas como os desafios de viés, ética e explicabilidade dos modelos, proporcionando uma visão prática e acessível de como a IA é desenvolvida e utilizada. Com isso, os participantes compreenderão os mecanismos internos das tecnologias de IA, facilitando sua aplicação de forma eficiente e responsável.

LLM e Redes Neurais

Funcionamento e nas aplicações dos Modelos de Linguagem de Grande Escala (LLMs) e das redes neurais, que são a base de muitos avanços recentes em inteligência artificial. O conteúdo abordará como esses modelos processam e geram linguagem natural, os princípios das redes neurais profundas e como camadas, pesos e funções de ativação contribuem para o aprendizado.
Além disso, serão exploradas as capacidades e limitações dos LLMs, incluindo exemplos como ChatGPT, e suas aplicações em negócios, como automação de atendimento, análise de texto e criação de conteúdo. Os alunos desenvolverão uma compreensão sólida dessas tecnologias, permitindo sua utilização estratégica em diferentes contextos.

Detalhamento LLM

Conhecimentos sobre os Modelos de Linguagem de Grande Escala (LLMs), explorando detalhadamente como eles são projetados, treinados e otimizados. Serão abordados tópicos como tokenização, embeddings, mecanismos de atenção e transformers, além das métricas utilizadas para avaliar o desempenho desses modelos.
O módulo também discutirá as técnicas de fine-tuning e adaptação de LLMs para casos de uso específicos, bem como os desafios relacionados a escalabilidade, custo de treinamento e ética no uso de dados. Ao final, os alunos terão uma visão técnica mais refinada e capacidade de entender como customizar e implementar LLMs para atender às demandas de seus negócios ou projetos.

IA Generativa

As tecnologias por trás da criação de conteúdo gerado por inteligência artificial, como texto, imagens, áudio e vídeo. Serão apresentados os princípios de funcionamento de modelos generativos, incluindo GANs (Redes Adversárias Generativas) e modelos baseados em transformers, como os que alimentam as IA de geração de texto e imagens.
O conteúdo abordará aplicações práticas, como criação de conteúdo personalizado, automação criativa e design assistido, bem como os desafios éticos, de propriedade intelectual e de controle de qualidade. Ao final do módulo, os participantes estarão capacitados a identificar oportunidades para aplicar IA generativa de forma inovadora e estratégica em seus projetos ou organizações.

Decoder Only

Detalhes a arquitetura de modelos de IA baseados apenas em decoders, como os utilizados em muitos modelos de linguagem avançados, incluindo os LLMs. Serão apresentados os fundamentos dessa abordagem, incluindo como os mecanismos de atenção funcionam para processar e gerar texto de forma eficiente.
O conteúdo abordará as vantagens do design “Decoder Only” para tarefas de geração de linguagem natural e suas limitações em comparação com arquiteturas completas de codificadores e decodificadores. Os alunos também aprenderão sobre as aplicações práticas dessa arquitetura e como ela impulsiona soluções de IA modernas. Ao final do módulo, os participantes terão uma compreensão técnica clara e serão capazes de aplicar os conceitos aprendidos em cenários específicos.

Prompt Engineering

Técnicas essenciais para interagir e obter resultados eficazes de modelos de linguagem, como os LLMs. Serão explorados os princípios de criação de prompts eficientes, incluindo a formulação de perguntas claras, uso de exemplos e estratégias para ajustar o comportamento do modelo.
O módulo abordará também práticas avançadas, como encadeamento de prompts, uso de contexto para tarefas complexas e personalização de respostas para diferentes cenários. Além disso, serão discutidos os desafios e as limitações dos prompts em aplicações práticas. Ao final, os participantes estarão capacitados a utilizar o Prompt Engineering como uma ferramenta estratégica para maximizar o valor dos modelos de linguagem em projetos e soluções de IA.

Chain Of Thoughts

Introdução a uma abordagem avançada para melhorar a interação e a capacidade de raciocínio dos modelos de linguagem. O conteúdo abordará como estruturar prompts e interações para que o modelo desenvolva uma linha de raciocínio clara e lógica, permitindo resolver problemas complexos de maneira mais eficaz.
Serão apresentados exemplos práticos de como a técnica “Chain of Thoughts” pode ser aplicada em cenários como resolução de problemas matemáticos, análise de texto e tomada de decisão baseada em informações contextuais.
Os participantes aprenderão a aproveitar essa abordagem para guiar os modelos a respostas mais precisas e alinhadas aos objetivos desejados, otimizando o uso da inteligência artificial em tarefas críticas.

Retrieval Augmented Generation

Como combinar modelos de geração de linguagem com técnicas de recuperação de informações para criar soluções mais precisas e informadas. O conteúdo abordará os fundamentos do RAG, incluindo como integrar bases de conhecimento externas para enriquecer as respostas geradas pelos modelos.
Serão explorados casos de uso como chatbots especializados, sistemas de perguntas e respostas, e criação de conteúdo com informações atualizadas e contextuais. Os alunos também entenderão os desafios relacionados a integração de dados, desempenho e consistência nas respostas.
Ao final, os participantes estarão aptos a implementar estratégias de RAG para desenvolver aplicações de IA robustas e altamente customizadas.

Agentes

Explorarão como criar e gerenciar agentes autônomos baseados em inteligência artificial capazes de executar tarefas complexas de forma independente. O conteúdo abordará os princípios de funcionamento dos agentes, incluindo tomada de decisão, gerenciamento de estados, e integração com ferramentas externas, como APIs e bancos de dados.
Serão apresentados casos de uso práticos, como automação de processos, gerenciamento de fluxos de trabalho e agentes especializados para suporte ou pesquisa. Além disso, os alunos aprenderão a lidar com desafios como controle, supervisão e segurança de agentes em ambientes diversos.

Mensuração

Aprenderão como medir e avaliar o desempenho de sistemas de inteligência artificial generativa, garantindo que atendam às expectativas de qualidade e eficácia.
O conteúdo abordará métricas essenciais, como fluência, coerência, relevância, diversidade e fidelidade nas saídas geradas, além de métodos quantitativos e qualitativos para validação.
Serão apresentados frameworks e ferramentas práticas para análise de desempenho, bem como estratégias para interpretar resultados e identificar áreas de melhoria.
Também serão discutidos os desafios específicos da avaliação de modelos generativos, como subjetividade e viés.

Benchmarks

Explorarão as metodologias e ferramentas utilizadas para avaliar e comparar o desempenho de diferentes Modelos de Linguagem de Grande Escala (LLMs).
O conteúdo abordará métricas padrão, como precisão, cobertura semântica, tempo de resposta e eficiência computacional, além de benchmarks específicos, como GLUE, SuperGLUE e MMLU.
Serão apresentados exemplos práticos de como interpretar os resultados e escolher o modelo mais adequado para diferentes aplicações.
O módulo também discutirá os desafios e limitações das comparações, incluindo variações de contexto e adaptações por fine-tuning.

Ética e Riscos

Introdução aos desafios éticos e aos riscos associados ao uso de inteligência artificial generativa. O conteúdo abordará questões como viés nos modelos, desinformação, uso indevido de conteúdos gerados, privacidade de dados e impactos sociais e econômicos.
Serão apresentados frameworks para identificar e mitigar riscos, bem como práticas responsáveis para o desenvolvimento e a implementação de soluções de GenAI. O módulo também explorará regulamentações emergentes, diretrizes éticas e exemplos práticos de dilemas éticos enfrentados em aplicações reais.
Ao final, os participantes terão uma visão crítica e estratégica para usar GenAI de forma ética e sustentável, equilibrando inovação com responsabilidade.

IA no mundo corporativo

Aprenderão como aplicar inteligência artificial de forma estratégica para impulsionar resultados organizacionais. Serão explorados casos de uso práticos em áreas como marketing, finanças, operações e atendimento ao cliente, destacando os benefícios e desafios da implementação de soluções de IA no ambiente corporativo.
O conteúdo abordará tópicos como avaliação de maturidade tecnológica, identificação de oportunidades para IA, integração com sistemas existentes e medição de impacto.
Além disso, serão discutidas estratégias de mudança cultural e capacitação de equipes para a adoção bem-sucedida de IA.
Ao final do módulo, os participantes estarão preparados para liderar iniciativas de IA em suas empresas, promovendo inovação e vantagem competitiva.

Tendências para o Futuro

As alunos explorarão os avanços emergentes e as perspectivas para a evolução da inteligência artificial (IA) e da inteligência geral artificial (AGI).
O conteúdo abordará inovações tecnológicas, como modelos mais eficientes, arquiteturas de próxima geração e integração de IA com outras tecnologias, como computação quântica. Serão discutidos os desafios técnicos, éticos e regulatórios no caminho para o desenvolvimento da AGI, além das possíveis implicações sociais e econômicas dessa transformação.
O módulo também apresentará insights sobre como empresas e profissionais podem se preparar para um cenário onde IA e AGI desempenharão papéis ainda mais centrais.
Ao final, os participantes terão uma visão abrangente das tendências futuras e de como antecipar e capitalizar as oportunidades que elas oferecem.

Avaliações

Não há avaliações ainda.

Seja o primeiro a avaliar “Inteligência Artificial para Executivos”