Área de Aprendizado

A entrada central para todo o conteúdo de aprendizagem — guiado ou livre, como você preferir.

Trilhas de aprendizagem

Conteúdo

A Fundação

Ponto de partida para quem não tem nenhum conhecimento prévio. Quem sabe usar um computador começa aqui.

Operation & Command Line

Como um computador funciona, o que são APIs, como usar um terminal, Git e entender código aberto.

Iniciante 0 de 5

Você entende como computadores funcionam, navega com segurança no terminal, usa Git e compreende código aberto.

5 artigos Iniciantes absolutos Nenhum

Como um computador "pensa"

CPU, GPU, RAM, disco rígido e código binário — os fundamentos do hardware.

A Internet & APIs

Cliente, servidor, requisições HTTP e APIs como interfaces.

O Terminal

GUI vs. CLI, caminhos e os comandos mais importantes.

Controle de Versão com Git

Repositório, commit, branch e GitHub como armazenamento na nuvem.

Código Aberto vs. Código Fechado

Código-fonte, licenças (GPL, MIT) e por que a transparência importa.

Baixar certificado

Clique para ver o status

Python & Lógica de Programação

De variáveis a estruturas de controle, funções, classes, pacotes e ambientes virtuais.

Iniciante

Você programa em Python, compreende tipos de dados, estruturas de controle, POO e configura ambientes de desenvolvimento limpos.

8 artigos Iniciantes com conhecimento básico de computador Pré-requisito: Operation & Command Line

Variáveis & Tipos de Dados

String, inteiro, float, booleano e atribuições.

Estruturas de Controle

Ramificações If/Else e laços (For, While).

Funções

Parâmetros, valores de retorno e código modular.

Quando o Código Quebra (Erros & Depuração)

Erro de sintaxe vs. erro lógico, try/catch e leitura de stack traces.

Listas & Dicionários

Arrays, stores de chave-valor e acesso baseado em índice.

Orientação a Objetos (Classes & Objetos)

Classe, objeto, método e atributo — o blueprint para código complexo.

Bibliotecas de Código Externas (Pacotes)

Pip, dependências, import — não reinvente a roda.

A Bolha de Isolamento (Ambientes Virtuais / Docker)

venv, containers e ambientes reproduzíveis.

Baixar certificado

Clique para ver o status

A Oficina

Aqui as coisas são criadas. Foco em aplicação, ferramentas e fluxos de trabalho modernos.

Arte generativa (imagens & vídeo)

Geração de imagens, Stable Diffusion, LoRA, ControlNet e otimização de workflow.

Iniciante Disponível a partir de 26 de ago. de 2026

Você gera suas próprias imagens com Stable Diffusion, compreende text-to-image e domina LoRA, ControlNet e upscaling.

4 artigos + 1 demo Criativos, designers, hobbyistas Pré-requisito: Operation & Command Line

Geração de Imagens (Do Texto ao Pixel)

Disponível a partir de 26 de ago. de 2026

A Ferramenta (Stable Diffusion Forge)

Disponível a partir de 26 de ago. de 2026

Controle & Fine-tuning

Disponível a partir de 26 de ago. de 2026

Otimização de Workflow

Disponível a partir de 26 de ago. de 2026

GANs — Demo Interativa

Experiencie interativamente como GANs geram imagens.

Opcional

Baixar certificado

Clique para ver o status

Modelos de linguagem locais

O ecossistema Hugging Face, rodando modelos localmente e entendendo quantização.

Intermediário Disponível a partir de 9 de set. de 2026

Você entende o Hugging Face, instala modelos no seu PC e compreende quantização.

3 artigos Preocupados com privacidade, entusiastas Pré-requisito: Operation & Command Line

O Ecossistema (Hugging Face)

Disponível a partir de 9 de set. de 2026

Rodando Modelos no Seu PC

Disponível a partir de 9 de set. de 2026

Quantização (Encolhendo Modelos)

Disponível a partir de 9 de set. de 2026

Baixar certificado

Clique para ver o status

Agentes & Automação

System prompts, prompt engineering, RAG, function calling, APIs e workflows no-code.

Intermediário

Você cria system prompts, constrói pipelines RAG, usa function calling e automatiza workflows com n8n.

6 artigos Criadores, automatizadores Pré-requisito: Modelos de linguagem locais Python & Lógica de Programação

Dando uma Tarefa ao Modelo (System Prompts)

System prompt, roleplay, one-shot vs. few-shot.

Prompt Engineering (Chain of Thought)

Zero-shot, chain-of-thought e evitar alucinações.

Conectando Seus Dados (RAG)

Retrieval-Augmented Generation, chunking, embeddings e banco de dados vetorial.

Function Calling (Quando a IA Aperta Botões)

Saída JSON, tool use — a IA decide qual ferramenta executar.

Usando Interfaces (APIs & MCP)

Chave de API, Model Context Protocol e arquitetura de servidor para agentes IA.

Workflows No-Code (n8n)

Trigger, nó, automação de workflow e webhooks.

Baixar certificado

Clique para ver o status

IA no desenvolvimento de software

Vibecoding, context engineering e agentic coding — a nova forma de programar.

Intermediário Disponível a partir de 7 de out. de 2026

Você programa com IA, domina context engineering e usa agentes de codificação autônomos.

3 artigos Desenvolvedores, makers Pré-requisito: Python & Lógica de Programação Agentes & Automação

Programação em Linguagem Natural (Vibecoding)

Disponível a partir de 7 de out. de 2026

Context Engineering

Disponível a partir de 7 de out. de 2026

Agentic Coding (IAs que digitam sozinhas)

Disponível a partir de 7 de out. de 2026

Baixar certificado

Clique para ver o status

A Academia

A espinha dorsal acadêmica – corresponde aos módulos de IA de um curso de Ciência da Computação, mas acessível.

Estruturas de Computação & Algoritmos

O que são algoritmos, como escalam e quais estruturas de dados impulsionam a computação.

Intermediário

Você compreende algoritmos, notação Big-O, recursão e as principais estruturas de dados (linear, hierárquica, baseada em chave).

6 artigos Aprendizes com noções básicas de Python Pré-requisito: Python & Lógica de Programação

O que é um Algoritmo?

Determinismo, finitude, entrada/saída — a receita das máquinas.

Complexidade Algorítmica (Big-O)

Entendendo escalonamento: linear, quadrático, exponencial.

Estruturas de Dados I (Linear)

Array, lista ligada, pilha, fila.

Recursão

Caso base, chamada recursiva e estouro de pilha — laços com esteróides.

Estruturas de Dados II (Hierárquica & Conectada)

Árvore, árvore binária de busca, grafo, nó, aresta.

Estruturas de Dados III (Baseada em Chave)

Tabela hash, par chave-valor e caching.

learningPaths.academyAlgorithms.steps.tspDemo

learningPaths.academyAlgorithms.steps.tspDemoDesc

Opcional

Baixar certificado

Clique para ver o status

Matemática dos Dados

Estatística e probabilidade como fundamento para Machine Learning.

Intermediário

Você compreende medidas de tendência central, dispersão, distribuições, correlação, probabilidade e o teorema de Bayes.

6 artigos + 1 demo Aprendizes com noções de algoritmos Pré-requisito: Estruturas de Computação & Algoritmos

Tendência Central (Onde fica o centro?)

Média, mediana e outliers.

Dispersão (Quão distante do centro?)

Variância, desvio padrão e amplitude.

Distribuições (A Forma dos Dados)

Distribuição normal, assimetria e long-tail.

Conexões entre Dados

Correlação, causalidade e confundidores.

Probabilidade & Valor Esperado

Probabilidade, valor esperado e cálculo risco/benefício.

Bayes & Probabilidade Condicional

O teorema de Bayes: atualizando opiniões com novos conhecimentos.

Naive Bayes — Demo Interativa

Classifique textos ao vivo com o algoritmo Naive Bayes.

Opcional

Baixar certificado

Clique para ver o status

Álgebra Linear & Cálculo

Vetores, matrizes, tensores, derivadas e a regra da cadeia — a linguagem do Deep Learning.

Intermediário

Você compreende vetores, matrizes, tensores, derivadas, derivadas parciais e a regra da cadeia como base para backpropagation.

6 artigos Aprendizes com noções de estatística Pré-requisito: Matemática dos Dados

Espaços e Direções (Vetores)

Escalar, vetor, dimensionalidade e espaço vetorial.

Tabelas de Dados & Transformações (Matrizes)

Matriz, multiplicação de matrizes, transformação e produto escalar.

Tensores (A Linguagem das GPUs)

Tensor como array n-dimensional, batching e shape.

Medindo Mudanças (Derivadas)

Inclinação, taxa de variação e mínimos/máximos.

Derivadas Parciais & O Gradiente

Inclinação multidimensional e o vetor gradiente.

Funções Aninhadas (Regra da Cadeia)

Composição de funções e regra da cadeia — precursora do backpropagation.

Baixar certificado

Clique para ver o status

IA clássica e simbólica

De Turing à busca, heurísticas e teoria dos jogos até sistemas especialistas e o inverno da IA.

Intermediário

Você compreende as raízes da IA, navega espaços de estado, domina pathfinding e teoria dos jogos, e conhece as lições do inverno da IA.

7 artigos + 4 demos Aprendizes com noções de algoritmos Pré-requisito: Estruturas de Computação & Algoritmos

O Nascimento da IA (De Turing a Dartmouth)

Teste de Turing, Conferência Dartmouth (1956), ELIZA — o contexto histórico.

Busca em Grafos

Espaço de estado, busca em largura (BFS) e busca em profundidade (DFS).

Heurísticas & Pathfinding

Heurística, função de custo, Dijkstra e o algoritmo A*.

A* Pathfinding — Demo Interativa

Veja A* e Dijkstra em ação navegando por um labirinto.

Opcional

Agentes em Conflito (Teoria dos Jogos)

Sistemas multiagente, jogo de soma zero e equilíbrio de Nash.

MinMax & Poda

Árvore de decisão, estratégia MinMax e poda Alpha-Beta.

MinMax — Demo Interativa

Jogue Jogo da Velha contra uma IA invencível MinMax.

Opcional

Regras & Lógica (Sistemas Especialistas)

Sistema especialista, motor de inferência, regras If-Then e explosão combinatória.

IA Baseada em Regras — Demo Interativa

Experiencie interativamente como um sistema especialista forma cadeias causais lógicas.

Opcional

Chatbot ELIZA — Demo Interativa

Converse com o primeiro bot terapeuta baseado em regras da história.

Opcional

O Inverno da IA (Falha & Lições)

Relatório Lighthill, promessas exageradas e por que a IA simbólica falhou com a complexidade.

Baixar certificado

Clique para ver o status

Fundamentos de Machine Learning

A mudança de paradigma: de programar a treinar — Supervised, Unsupervised e as ferramentas de avaliação.

Intermediário 0 de 4

Você compreende paradigmas de ML, treina modelos de aprendizado supervisionado, avalia com métricas e conhece overfitting e aprendizado não supervisionado.

8 artigos + 2 demos Aprendizes com todos os caminhos fundamentais Pré-requisito: Estruturas de Computação & Algoritmos Matemática dos Dados Álgebra Linear & Cálculo IA clássica e simbólica

Programar vs. Treinar

Machine Learning, dados de treinamento, modelo e inferência.

Aprendizado Supervisionado (Aprender com Professor)

Rótulo, features, target, classificação vs. regressão.

Regressão Linear & Logística

Linha de ajuste, sigmoide e função de perda (MSE).

A Matéria-Prima (Engenharia de Dados)

Feature engineering, valores ausentes e normalização.

Parâmetros vs. Hiperparâmetros

O que a IA aprende sozinha vs. o que o humano configura.

Quando o Aluno Decora

Overfitting, underfitting, divisão treino-teste e conjunto de validação.

Avaliando Modelos

Acurácia, precisão, recall, F1-score e matriz de confusão.

Aprendizado Não Supervisionado (Estrutura no Caos)

Clustering (k-Means), redução de dimensionalidade (PCA) e detecção de anomalias.

Aprendizado Supervisionado — Demo Interativa

Treine um modelo e observe a fronteira de decisão.

Opcional

Clustering K-Means — Demo Interativa

Veja o K-Means agrupando pontos de dados.

Opcional

Baixar certificado

Clique para ver o status

Deep Learning (a revolução neural)

Do neurônio artificial à ativação, camadas ocultas, funções de perda até descida de gradiente e backpropagation.

Avançado Disponível a partir de 15 de jul. de 2026

Você compreende redes neurais do perceptron ao backpropagation e pode acompanhar o processo completo de treinamento.

6 artigos + 3 demos Aprendizes com fundamentos de ML Pré-requisito: Fundamentos de Machine Learning

O Neurônio Artificial

Disponível a partir de 15 de jul. de 2026

Perceptron — Demo Interativa

Treine a rede neural mais simples passo a passo.

Opcional

A Faísca (Ativação)

Disponível a partir de 15 de jul. de 2026

A Rede (Camadas Ocultas)

Disponível a partir de 15 de jul. de 2026

Como a IA Calcula o Quanto Errou

Disponível a partir de 15 de jul. de 2026

O Caminho para o Vale (Descida de Gradiente)

Disponível a partir de 15 de jul. de 2026

O Coração do Aprendizado (Backpropagation)

Disponível a partir de 15 de jul. de 2026

Baixar certificado

Clique para ver o status

Arquiteturas modernas (GenAI)

De tokenização a embeddings, CNNs, RNNs e Transformers até LLMs, Transfer Learning e Diffusion.

Avançado Disponível a partir de 12 de ago. de 2026

Você compreende tokenização, embeddings, CNNs, RNNs, Transformers, LLMs, Transfer Learning, sampling e diffusion.

9 artigos + 3 demos Aprendizes com fundamentos de Deep Learning Pré-requisito: Deep Learning (a revolução neural)