INFORMAÇÕES
+55 61 98210-4404

Módulo 1: Introdução à Inteligência Artificial e Infraestrutura (4h)

Objetivo: Apresentar os conceitos básicos de IA, suas aplicações e a infraestrutura necessária para a implementação de modelos de IA.

1. Conceitos de Inteligência Artificial
   
   • O que é IA?
   • Tipos de IA: IA fraca e IA forte
   • Áreas da IA: aprendizado supervisionado, não supervisionado e reforço
2. Infraestrutura para IA
   
   • Requisitos de hardware e software
   • Configuração de ambientes para IA (GPU vs. CPU, uso de clusters)
   • Ferramentas e plataformas populares: AWS, Google Cloud, Microsoft Azure

Módulo 2: Agentes de IA e Arquitetura de Sistemas Inteligentes (4h)

Objetivo: Explicar o conceito de agentes inteligentes e como estruturá-los para resolver problemas complexos.

1. Agentes Inteligentes

   • O que é um agente inteligente?
   • Tipos de agentes: reflexivos, baseados em modelo, de aprendizado, etc.
   • Funcionalidade e interação dos agentes com o ambiente

2. Arquitetura de Agentes

   • Modelos de arquitetura de agentes
   • Agentes e tomada de decisão
   • Desafios na criação de sistemas de agentes autônomos

Módulo 3: Frameworks de Desenvolvimento para IA (4h)

Objetivo: Apresentar as principais ferramentas e frameworks utilizados no desenvolvimento de IA, com foco em backends e pipelines de dados.

1. Frameworks Populares

   • TensorFlow, PyTorch e Keras: comparações e aplicações
   • Scikit-learn para tarefas clássicas de aprendizado de máquina
   • FastAI para aplicações rápidas de IA
2. Webui e API
   • Open-Webui
   • LOCAL-AI
3. Principais Backends para execução de nidekis,
   
   • stablediffusion
   • whisper
   • piper
   • llama-cpp
   • llama-cpp-python
   • onnxruntume
   • bark
   • ollama
   • Pipelines

Módulo 4: APIs de IA e Desenvolvimento de Interfaces (4h)

Objetivo: Explorar o uso de APIs de IA, como criar APIs de IA próprias e integrar soluções de IA em sistemas externos.

1. APIs de IA

   • APIs de IA populares: OpenAI, Google Vision, IBM Watson
   • Como consumir e integrar APIs de IA em sistemas existentes
   • Exemplos de uso prático: reconhecimento de imagem, NLP (processamento de linguagem natural)

2. Criação de APIs para Modelos de IA

   • Desenvolvendo uma API para um modelo de IA com Flask/FastAPI
   • Autenticação e segurança em APIs de IA
   • Testes e monitoramento de APIs

Módulo 5: Práticas e Estudos de Caso (4h)

Objetivo: Aplicar os conceitos adquiridos para resolver problemas práticos e analisar estudos de caso reais.

1. Estudo de Caso 1: Implementação de Agentes Inteligentes

   • Criando um agente de IA simples para uma aplicação prática (ex: jogo simples ou assistente virtual)
   • Analisando a tomada de decisão e comportamento do agente

2. Estudo de Caso 2: API de IA em Ação

   • Construção de uma API de IA para reconhecimento de imagens ou NLP
   • Integrando a API com um front-end ou outro sistema

3. Debate e Discussão

   • Tendências atuais e futuras de IA e infraestrutura
   • Desafios éticos e legais no uso de IA

Metodologia

• Teoria: Apresentação expositiva, estudos de caso e discussões sobre os tópicos abordados.
• Prática: Exercícios de programação, desenvolvimento de APIs, implementação de agentes de IA e integração com frameworks populares.
• Aulas online: Só você e o professor.
• Ferramentas: Jupyter Notebooks, Python, TensorFlow, PyTorch, FastAPI, Open-webui, local-ai, entre outras.