Módulo 01 — Fundamentos de IA e ML

Seção 01 — História e Contexto

De onde viemos. Por que agora é diferente. O que mudou.

01-01-01

IA simbólica e os invernos da IA

⏱ 8 min

1956–2012: regras manuais, sistemas especialistas, e por que duas vezes o campo quase morreu.

01-01-02

Renascimento do deep learning

⏱ 8 min

2012: AlexNet, GPUs e o ponto de inflexão que mudou tudo.

01-01-03

Era dos LLMs

⏱ 10 min

2017–hoje: Transformers, escala, GPT-3, ChatGPT e o que vem depois.

Seção 02 — Redes Neurais

Como funciona o motor por trás de tudo.

01-02-01

Neurônios e camadas

⏱ 10 min

O que é um neurônio artificial. Como camadas empilhadas aprendem representações.

01-02-02

Forward e backward pass

⏱ 10 min

Como o modelo aprende: propagação, loss function e gradiente descendente.

01-02-03

CNNs, RNNs, Transformers

⏱ 12 min

Três arquiteturas que definiram épocas. Por que Transformers dominam tudo hoje.

Seção 03 — Tipos de Aprendizado

Como modelos aprendem. Qual técnica para qual problema.

01-03-01

Tipos de aprendizado

⏱ 10 min

Supervisionado, não-supervisionado e por reforço — quando usar cada um.

01-03-02

Self-supervised learning

⏱ 8 min

O segredo dos LLMs: treinar em texto sem labels humanos. Previsão do próximo token.

Seção 04 — Linguagem

Como texto vira entrada para um modelo. A base de LLMs.

01-04-01

Tokens: como texto vira números

⏱ 10 min

BPE, WordPiece, SentencePiece. Por que "Tokenização" ≠ 1 token. Custo em APIs.

01-04-02

Embeddings: a intuição geométrica

⏱ 15 min

Vetores, Word2Vec, similaridade por cosseno. Base de RAG e busca semântica.

Seção 05 — Referência e Prática

Vocabulário consolidado e primeiro exercício prático.

01-05-01

Glossário inicial

⏱ 10 min

8 termos essenciais: model, weights, training, inference, fine-tuning, parameters, tokens, context window.

01-05-02

Desafio: 3 modelos no Hugging Face

⏱ 8 min

Navegar o Model Hub, avaliar task/tamanho/licença. Primeiro contato com o ecossistema open-source.