INTELIGÊNCIA ARTIFICIAL (IA) PARA ESPECIALISTAS DE IT – TÉCNICAS, CASOS DE USO E INOVAÇÕES

Formador Kateryna Vasylenko
Categorias Inteligência Artificial, inteligência artificial, New
Estudantes 0 (Registered)

A formação Inteligência Artificial (IA) para Especialistas de IT – Técnicas, Casos de Uso e Inovações foi concebida para profissionais técnicos e decisores que pretendem dominar as principais tecnologias de IA, do Machine Learning e Deep Learning aos Large Language Models (LLM), com uma abordagem prática e orientada a casos reais.

Ao longo de 3 dias (21 horas), os participantes exploram os fundamentos e as evoluções recentes da IA, implementam pipelines de Machine Learning, analisam aplicações de NLP, desenvolvem soluções baseadas em LLM, RAG e agentes inteligentes, e compreendem os desafios de MLOps, LLMOps, escalabilidade e integração em produção. A formação aborda ainda as implicações éticas, jurídicas e regulamentares, incluindo o AI Act e o RGPD, e termina com um atelier de prospetiva, permitindo antecipar tendências e integrar a IA de forma estratégica no contexto profissional.

Objetivos

Identificar os desafios da Inteligência Artificial e as oportunidades que cria.
Adotar uma visão ampla das tecnologias de IA, do Machine Learning e Deep Learning aos LLM.
Descrever tecnologias recentes de IA e a sua implementação através de exemplos práticos (RAG, agentes inteligentes, MCP).
Reconhecer os desafios jurídicos (AI Act) e éticos associados à IA.
Explorar as inovações e usos futuros da IA através de um atelier de prospetiva.

Duração

3 dias

Programa

Dia 1 – Manhã

• Definição de Inteligência Artificial.

• Fundamentos e história da IA.

• Mercados da IA e diferentes ramos da IA.

• Casos de uso: pesquisa de conhecimento, assistentes digitais, geração de código, AIOps, limpeza de dados, aprendizagem aumentada.

• Disrupções da IA e chegada dos LLM.

• Comparação entre IA open source e closed source.

• Estudos de caso inspirados na atualidade.

Dia 1 – Tarde

• Machine Learning.

• Redes neuronais artificiais.

• Deep Learning.

• Redes neuronais convolucionais (CNN).

• Redes neuronais recorrentes (RNN).

• Aprendizagem supervisionada, não supervisionada e por reforço.

• TensorFlow

• Trabalhos práticos: comparação de algoritmos com Python e criação de aplicação IA com Flask ou Kivy.

Dia 2 – Manhã

• Pipelines de Machine Learning.

• Definição do problema.

• Ingestão, preparação e separação de dados.

• Seleção e engenharia de variáveis.

• Treino do modelo.

• Deploy em produção.

• Monitorização e reaprendizagem.

• Introdução a MLOps.

Dia 2 – Tarde

• Introdução ao Processamento de Linguagem Natural (NLP).

• Componentes e aplicações empresariais.

• Tokenização.

• Stemming vs Lematização.

• Modelo Bag‑of‑Words.

• Desafios do NLP.

• Trabalho prático: criação de modelo de análise de sentimento.

Dia 3 – Manhã

• Large Language Models (LLM).

• Modelos generalistas, leves e especializados.

• Casos de uso de LLM.

• Modelos de geração de imagem (LCM).

• Boas práticas de prompting.

• Ferramentas de engenharia de prompts: LangChain, Guidance, DSPy.

• Infraestruturas para LLM: Ollama, Hugging Face, Hub Space.

• Utilização de conhecimento externo com RAG.

• Frameworks de RAG: LangChain, LlamaIndex.

• Introdução a LLMOps.

• Trabalho prático: criação de chatbot baseado em LLM.

Dia 3 – Tarde

• Arquiteturas composáveis de IA.

• Agentes inteligentes.

• Interação entre IA e aplicações com o protocolo MCP.

• Implementação e teste de arquitetura MCP.

• Escalabilidade e tendências futuras da IA.

• Implicações éticas, sociais e de segurança.

• Gestão de enviesamentos e alucinações.

• Questões jurídicas: AI Act, direitos de autor e RGPD.

• Boas práticas para garantir confidencialidade.

• Integração da IA no workflow profissional.

• Atelier final de prospetiva.

Formador

Facilitador que combina know-how com experiência empresarial e competências pedagógicas, para dar resposta a necessidades operacionais e potenciar a aprendizagem.

Objetivos da formação

Identificar os desafios da Inteligência Artificial e as oportunidades que cria.
Adotar uma visão ampla das tecnologias de IA, do Machine Learning e Deep Learning aos LLM.
Descrever tecnologias recentes de IA e a sua implementação através de exemplos práticos (RAG, agentes inteligentes, MCP).
Reconhecer os desafios jurídicos (AI Act) e éticos associados à IA.
Explorar as inovações e usos futuros da IA através de um atelier de prospetiva.

Duração da formação