Visão Geral

“IA não vai tirar o seu emprego – mas alguém que usa IA vai” 

Nos últimos meses, com o advento do chatGPT, essa máxima se tornou realidade.
Ao contrário do AI estreito que o precedeu, o chatGPT mostra características iniciais de AGI (Artificial General Intelligence).

Embora a AGI crie disrupção, ela também cria oportunidades. Especificamente, pela primeira vez, a combinação de LLM (grandes modelos de linguagem como chatGPT) e técnicas de desenvolvimento de baixo código permite que não desenvolvedores familiarizados com TI aprendam IA.  

Este curso foi desenvolvido para pessoas que trabalham no ecossistema mais amplo de tecnologia da informação, mas não são necessariamente desenvolvedores. Portanto, você não precisa ter experiência em codificação/desenvolvedor para este curso, mas precisa estar familiarizado com TI.

O curso atende a uma variedade de pessoas que desejam entender a Inteligência Artificial: analistas de negócios, gerentes de contas, arquitetos técnicos, analistas de dados, gerentes de projetos, vendas de TI e pessoal de pré-vendas Mídia e relações públicas, rede e administradores de sistemas. 

A filosofia deste curso é baseada em como colaborar com IA generativa (uma abordagem de co-piloto de IA) principalmente por meio de engenharia imediata.

Este curso explora como criar aplicativos de inteligência artificial (aplicativos de aprendizado de máquina e aprendizado profundo) usando modelos de baixo código e linguagem grande (LLMs), incluindo ChatGPT.  

O curso não pressupõe conhecimento de IA, aprendizado de máquina ou codificação - mas pressupõe que você trabalhe no ecossistema mais amplo de tecnologia da informação. Podemos demonstrar código em algumas sessões, mas não esperamos que você codifique.

Ao concluir este curso, você será capaz de criar aplicativos de aprendizado de máquina e aprendizado profundo usando modelos generativos e low-code.

Materiais

Conteúdo Programatico

1. Machine learning and deep learning concepts   
2. Machine learning and deep learning workflows 
3. Building blocks of low-code ecosystems    
4. An Introduction to large language models (LLMs)
5. Understanding Large language models and how LLMs differ from traditional application development.  
6. Understanding LLM modalities: code, images, language 
7. LLMs as an application development platform: Using low-code and LLMs, including ChatGPT, for developing AI applications 
8. Implementing the machine learning pipeline in low-code systems     
9. Prompt engineering  
10. The Azure low code platform in detail, including Azure Open AI integration 
11. Understanding the use of LLMs in AWS and GCP 
12. Deploying low-code and LMS AI services in cloud-native MLOps environments    
13. UX and integration for low-code    
14. Use of pre-built models and templates for creating AI applications   
15. Comparing and contrasting capabilities of low-code and full-code AI solutions    
16. Scaling low-code AI solutions   
17. Security and access for low-code applications   
18. Using code generation tools like GitHub Co-pilot  
19. Using generative tools in the creative space like DALL-E  
20. Examples of low-code applications 
21. Fine-tuning low-code models 
22. Ethical AI and Responsible AI Considerations for low-code and generative applications   
23. The overall end-to-end architecture of LLMs, including langchain and pinecone