Programa do Curso

Introdução aos LLMs de código aberto

  • Visão geral de DeepSeek, Mistral, LLaMA e outros modelos de código aberto
  • Como funcionam os LLMs: Transformadores, auto-atenção e treino
  • Comparação entre LLMs de código aberto e modelos proprietários

Fine-Tuning e Personalizando LLMs

  • Preparação de dados para ajuste fino
  • Treinar e otimizar LLMs usando Hugging Face
  • Avaliação do desempenho do modelo e atenuação de enviesamentos

Construir AI Agents com LLMs

  • Introdução a LangChain para desenvolvimento de agentes de IA
  • Conceção de fluxos de trabalho baseados em agentes com LLMs
  • Memória, geração aumentada por recuperação (RAG) e execução de acções

Implementação de AI Agents baseados em LLMs

  • Containerização de agentes de IA com Docker
  • Integrar LLMs em aplicações empresariais
  • Escalonamento de agentes de IA com serviços de nuvem e APIs

Segurança e conformidade na IA empresarial

  • Considerações éticas e conformidade regulamentar
  • Mitigando riscos na automação orientada por IA
  • Monitorização e auditoria do comportamento do agente de IA

Estudos de caso e aplicações do mundo real

  • Assistentes virtuais alimentados por LLM
  • Automatização de documentos baseada em IA
  • Agentes de IA personalizados para análise empresarial

Otimização e manutenção de agentes baseados em LLM

  • Melhoria e atualização contínuas do modelo
  • Implementação de circuitos de monitorização e feedback
  • Estratégias para otimização de custos e ajuste de desempenho

Resumo e próximos passos

Requisitos

  • Forte compreensão da IA e da aprendizagem automática
  • Experiência em programação Python
  • Familiaridade com modelos de linguagem de grande porte (LLMs) e processamento de linguagem natural (NLP)

Público-alvo

  • Engenheiros de IA
  • Programadores de software empresarial
  • Líderes Business
 21 Horas

Número de participantes


Preço por Participante

Próximas Formações Provisórias

Categorias Relacionadas