Biblioteca

Uma coleção em três volumes · 85 capítulos

Engenharia de IA Corporativa

Do primeiro modelo ao produto operando em producao: uma formacao tecnica em tres volumes.

Começar pelo primeiro capítulo
Nível 1 Capa de Engenharia de IA Corporativa — Fundamentos

Volume 1 de 3

Fundamentos

APIs, RAG e prompt engineering para arquitetos de cloud

Os fundamentos tecnicos para compreender modelos, integra-los por API e construir os primeiros sistemas com RAG.

Parte I — Alicerces da Inteligência Artificial Moderna

  1. 1.1 — Da Lógica Simbólica aos Modelos de Linguagem: Uma Trajetória (História da IA)
  2. 1.2 — Como os Modelos de Linguagem Processam Texto: Tokens, Vetores e Atenção (LLMs)
  3. 1.3 — Aprendizado de Máquina no Navegador com TensorFlow.js (TensorFlow.js)
  4. 1.4 — Construindo sua Primeira Rede Neural do Zero: XOR e o Ciclo de Treinamento (Redes Neurais)
  5. 1.5 — Aplicações Práticas de ML na Web: Detecção de Gestos com MediaPipe (MediaPipe)
  6. 1.6 — Engenharia de Instruções: Templates, Encadeamento e Controle de Alucinação (Prompt Engineering)
  7. 1.7 — Ferramentas de IA no Fluxo de Trabalho do Desenvolvedor (AI Dev Tools)
  8. 1.8 — Construindo Integrações Padronizadas para Modelos de Linguagem (MCP)
  9. 1.9 — Memória Privada para LLMs: Recuperação Aumentada por Geração (RAG & Embeddings)

Parte II — Acesso Programático e Instrução de Modelos

  1. 2.1 — O Ecossistema de IA: Plataformas, Provedores e Oportunidades (APIs de IA)
  2. 2.2 — Conectando-se a Múltiplos Provedores de Modelos via API (Multi-provider)
  3. 2.3 — Instruções Avançadas: Encadeamento, Tentativas e Confiabilidade (Prompt Engineering)
  4. 2.4 — Economia de Tokens: Cache, Métricas e Controle de Custos (Token Economics)
  5. 2.5 — Recuperação Avançada: Reranking, Fidelidade e Avaliação de Pipeline (RAG Avançado)
  6. 2.6 — IA no Backend: Endpoints, Limitação de Taxa e Streaming (Backend + IA)
  7. 2.7 — Além do Texto: Visão Computacional via API de Modelos Multimodais (Multimodal APIs)
  8. 2.8 — Aplicações Completas: OCR, Bots com Histórico e Pipelines Integrados (OCR & Bots)
Nível 2 Capa de Engenharia de IA Corporativa — Sistemas

Volume 2 de 3

Sistemas

MCP, agentes autonomos e arquitetura AI-first em producao

Sistemas que conectam ferramentas, raciocinam, colaboram e sustentam experiencias inteligentes.

Parte I — Conectividade Padronizada entre Sistemas e Modelos

  1. 1.1 — O Protocolo que Unifica Ferramentas e Modelos de Linguagem (MCP)
  2. 1.2 — Clientes MCP, Laços de Ferramentas e Transporte em Memória (MCP Clients)
  3. 1.3 — Protocolo MCP versus Chamada Direta de Ferramentas: Critérios de Decisão (MCP vs Function Calling)
  4. 1.4 — Servidor MCP em TypeScript: Ferramentas, Recursos e Prompts (MCP Server)
  5. 1.5 — A Organização como Servidor MCP: Expondo Sistemas Internos a Modelos (Enterprise MCP)
  6. 1.6 — Segurança e Controle em Servidores MCP (MCP Security)
  7. 1.7 — Casos Reais: Proxy REST via Protocolo MCP (MCP REST Proxy)
  8. 1.8 — BI Copilot: Análise de Dados com MCP como Camada de Acesso (MCP BI Copilot)
  9. 1.9 — MCP em Produção: HTTP com SSE, Health Check e Contêineres (MCP em Produção)

Parte II — Sistemas que Raciocinam e Agem de Forma Autônoma

  1. 2.1 — O que Define um Agente Autônomo: Percepção, Decisão e Ação (AI Agents)
  2. 2.2 — Padrões de Raciocínio Computacional: ReAct, Planejamento e Reflexão (ReAct & CoT)
  3. 2.3 — Chamada de Funções e Ferramentas: Projeto e Implementação (Function Calling)
  4. 2.4 — Memória Persistente e Capacidade de Autocorrição em Agentes (Agent Memory)
  5. 2.5 — Gerenciamento de Janela de Contexto em Sessões Longas (Context Window)
  6. 2.6 — Grafos de Estado para Fluxos de Trabalho com Agentes (LangGraph)
  7. 2.7 — Observabilidade e Barreiras de Segurança em Agentes (Observabilidade)
  8. 2.8 — Projeto Prático: Agente de Pesquisa Autônomo de Ponta a Ponta (Agente Autônomo)
  9. 2.9 — Colaboração entre Agentes: Orquestração e Delegação de Tarefas (Multi-agent)

Parte III — Inteligência Artificial na Experiência do Usuário

  1. 3.1 — O Impacto da IA no Processo de Design de Interfaces (IA no Design)
  2. 3.2 — Prototipação Acelerada de Interfaces com Assistência de IA (UI Prototyping)
  3. 3.3 — Componentes Dinâmicos no Frontend com Suporte de Agentes (Frontend Agents)
  4. 3.4 — Automação de Testes e Interações de Interface com Agentes (UI Automation)
  5. 3.5 — Chatbot com Streaming: Integração de IA entre Cliente e Servidor (Streaming Chatbot)

Parte IV — Gestão de Projetos e Produto com Suporte de IA

  1. 4.1 — Definição e Decomposição de Escopo com Suporte de IA (Escopo + IA)
  2. 4.2 — Priorização Inteligente de Backlog e Construção de Roadmap (Backlog + IA)
  3. 4.3 — Modelagem de Cronograma e Capacidade com Análise de Cenários (Planejamento)
  4. 4.4 — Estimativas com Intervalos de Confiança e Análise de Incerteza (Estimativas)
  5. 4.5 — Identificação e Mitigação Automatizada de Riscos de Projeto (Risk Management)
  6. 4.6 — Transcrição, Resumo e Ações de Reunião com Assistência de IA (Meeting AI)
  7. 4.7 — Consolidação de Métricas e Geração de Relatórios de Progresso (Status Reports)
  8. 4.8 — Rastreabilidade e Controle de Qualidade em Projetos de IA (QA Governance)
  9. 4.9 — Integração de Ferramentas de Gestão: Notion e Slack como Pipeline (Notion & Slack)
  10. 4.10 — Portfólio e Objetivos Estratégicos com Simulação de Impacto (OKRs + IA)

Parte V — Projetando Sistemas Inteligentes para Produção

  1. 5.1 — Princípios de Arquitetura para Sistemas com Modelos em Produção (AI-first Architecture)
  2. 5.2 — Arquiteturas de Agente Único: Reativo, com Memória e com Ferramentas (Single-agent)
  3. 5.3 — Colaboração entre Agentes: Supervisor e Transferência de Controle (Multi-agent)
  4. 5.4 — Padrões Recorrentes: RAG Híbrido e Aprovação Humana no Fluxo (Design Patterns)
  5. 5.5 — Arquitetura Corporativa de IA: Camadas de Modelo e Registro de Auditoria (Enterprise AI)
Nível 3 Capa de Engenharia de IA Corporativa — Produção

Volume 3 de 3

Produção

AIOps, fine-tuning e conformidade para sistemas corporativos

Operacao, especializacao, governanca e entrega de produtos de IA em ambientes reais.

Parte I — Operações e Infraestrutura Potencializadas por IA

  1. 1.1 — IA Encontra Infraestrutura: Fundamentos e Casos de Uso (AIOps)
  2. 1.2 — Geração e Validação de Código de Infraestrutura com IA (IaC + IA)
  3. 1.3 — Diagnóstico e Operação de Kubernetes com Agentes de IA (Kubernetes + IA)
  4. 1.4 — Resolução de Incidentes com Agentes de Raciocínio em Produção (Incident Management)
  5. 1.5 — AIOps: Consultas Métricas Assistidas e Detecção de Anomalias (Observabilidade)
  6. 1.6 — ChatOps com Aprovação Humana: Bots, Comandos e Controle de Acesso (ChatOps)
  7. 1.7 — Verificação Automatizada de Conformidade e Segurança em IaC (Security Compliance)
  8. 1.8 — Pipelines de Entrega Contínua com Decisões Assistidas por IA (CI/CD + IA)
  9. 1.9 — Otimização Financeira de Nuvem com Análise Assistida por IA (FinOps)
  10. 1.10 — Runbooks Inteligentes: Busca Semântica e Execução Guiada (RAG Runbooks)
  11. 1.11 — Autorremediação de Incidentes: Circuit Breaker e Rollback Progressivo (Auto-remediation)
  12. 1.12 — Projeto Integrador: Pipeline Autônomo de Resposta a Incidentes (AIOps Pipeline)

Parte II — Especialização de Modelos: Dados, Ajuste e Avaliação

  1. 2.1 — Quando Ajustar um Modelo: Árvore de Decisão e Custo Total de Propriedade (Fine-tuning)
  2. 2.2 — Preparação e Validação de Conjuntos de Dados para Treinamento (Datasets)
  3. 2.3 — Ajuste Fino via API: Hiperparâmetros, Monitoramento e Iteração (Fine-tuning API)
  4. 2.4 — Ajuste Eficiente de Parâmetros: LoRA e a Matemática por Trás (LoRA / PEFT)
  5. 2.5 — Avaliação de Modelos Ajustados: Testes A/B e Detecção de Sobreajuste (Model Evaluation)
  6. 2.6 — Projeto: Modelo Especializado de Ponta a Ponta (Custom Model)

Parte III — Governança, Conformidade e Responsabilidade na IA

  1. 3.1 — Estruturas de Governança para IA: Regulamentos, Papéis e Responsabilidades (AI Governance)
  2. 3.2 — Interpretabilidade e Explicação de Decisões de Modelos (XAI)
  3. 3.3 — Vieses Algorítmicos: Métricas de Equidade e Estratégias de Mitigação (Bias & Fairness)
  4. 3.4 — Supervisão Humana e Limites Éticos em Sistemas Automatizados (HITL)
  5. 3.5 — Proteção de Dados Sensíveis: Detecção e Mascaramento de PII (PII & Data Security)
  6. 3.6 — Conformidade Legal e Regulatória para Sistemas com IA (Compliance)
  7. 3.7 — Modelagem Financeira: Comparação de Modelos e Análise de Sensibilidade (Cost Modeling)

Parte IV — Projeto Integrador: Do Conceito ao Produto Entregue

  1. 4.1 — Concepção e Arquitetura de um Produto de IA do Zero (Product Design)
  2. 4.2 — Pipeline de Indexação a Resposta: RAG e Agentes no Produto (RAG + Agents)
  3. 4.3 — Backend de Orquestração: API com Sessões de Agente e Integrações (Orquestração)
  4. 4.4 — Interface e Implantação: Streaming no Frontend e Entrega Contínua (Deploy)
  5. 4.5 — Apresentação Técnica: Defendendo Decisões de Arquitetura e Produto (Pitch Técnico)