Sistemas de IA
Compreender modelos e construir produtos cuja funcionalidade depende de aprendizado de máquina, LLMs, recuperação ou agentes.
O que você aprende a fazer
- fundamentos de modelos
- RAG
- tool use
- avaliações
- operação de IA
Como demonstrar domínio
- baseline
- evals
- análise de falhas
- monitoramento em produção
Conceitos deste território
Machine learning
Construir funções a partir de dados e objetivos de otimização, em vez de codificar todas as regras manualmente.
Large language models (LLMs)
Modelos treinados para estimar e gerar sequências de tokens em linguagem e outros dados.
Tokenização e inferência
Converter entradas em unidades do modelo e executar o cálculo que produz uma saída.
Embeddings e RAG
Representar significado vetorialmente e recuperar evidências externas para compor respostas fundamentadas.
Tool use e MCP
Permitir que modelos solicitem ações estruturadas; MCP padroniza a exposição de contexto e ferramentas.
Agentes de IA
Sistemas que combinam modelo, ferramentas, estado e um ciclo controlado para perseguir objetivos.
Avaliação de sistemas de IA
Medir qualidade, segurança, custo e regressão com casos, métricas, graders e revisão humana adequada ao risco.