🔹Evolução da IA e por que agora é diferente

🔹Fundamentos: IA vs Machine Learning vs Deep Learning

🔹Fundamentos: Modelos, algoritmos, parâmetros e hiperparâmetros

🔹Fundamentos: Tipos de aprendizado: supervisionado, não supervisionado, por reforço

🔹LLMs: Tokens e embeddings

🔹LLMs: Arquitetura Transformer e Atenção

🔹LLMs: Inferência vs treinamento

🔹LLMs: Fine-tuning vs prompt engineering vs RAG

🔹Ecossistema: Principais modelos e APIs (OpenAI, Anthropic, Mistral, etc.)

🔹Ecossistema: Custos, latência e context window

🔹Aplicações práticas: Classificação, geração, conversação, raciocínio

🔹Aplicações práticas: Casos de uso reais no desenvolvimento de software

🔹Hands-on: Explorando tokens e prompts e contextos

🔹Onde MCPs e agentes se encaixam no ecossistema de IAFundamentos: O que é o MCP e por que ele existe

🔹Fundamentos: Como ele padroniza a comunicação entre LLMs e ferramentas

🔹MCP - Fundamentos: Como ele padroniza a comunicação entre LLMs e ferramentas

🔹MCP - Fundamentos: Conceitos e Estrutura de um MCP server

🔹MCP - Na Prática: Caso de uso de Agents no Claude / ChatGPT

🔹MCP - Na Prática: Caso de uso de Agents na IDE

🔹MCP - Na Prática: Implementação de um MCP

🔹Agentes - Fundamentos: O que são e quando usar Agentes

🔹Agentes - Fundamentos: Componentes principais: - LLM (raciocínio) - Ferramentas (ações externas via MCP) - Memória (contexto persistente)

🔹Agentes - Na Prática: Frameworks para agentes: LangChain, CrewAI, LlamaIndex, Pydantic AI

🔹Agentes - Na Prática: Implementando um Agente que usa MCP

🔹Agentes - Fundamentos: O que são multi agentes

🔹Agentes - Na Prática: Implementando uma estrutura de multi agents

🔹Editores e ambientes de desenvolvimento: VS Code com extensões de IA - Cursor IDE - Claude Code - Quando usar cada um e diferenças práticasExtensões e integrações úteis: GitHub Copilot - Context7 - Integração com MCP - Plugins para debugging testes e documentação assistida por IA

🔹Dia a Dia: Como estruturar projetos para tirar máximo proveito das ferramentas

🔹Dia a Dia: Estratégias para colaboração em equipe

🔹Dia a Dia: Boas práticas para prompts dentro do editor

🔹Dia a Dia: Boas práticas para usar contexto dentro do editor

🔹Gerenciamento de custos: Custo por token e por requisição

🔹Gerenciamento de custos: Como monitorar e otimizar gastos

🔹Gerenciamento de custos: Diferenças entre modelos pagos e gratuitosHands-on: Cursor e VSCode + Copilot

🔹Por que segurança em IA é crítica hoje

🔹Principais riscos e ameaças no uso de IA

🔹Vazamento de dados sensíveis (prompt injection)

🔹Alucinações e respostas incorretas

🔹Dependência excessiva de modelos externos

🔹Riscos em integrações com ferramentas e APIs

🔹Boas Práticas: Limitar e controlar o contexto enviado para a IA

🔹Boas Práticas: Sanitização de dados antes de enviar para o modelo

🔹Boas Práticas: Estratégias de anonimização e mascaramento

🔹Boas Práticas: Definição de papéis e permissões para agentes

🔹Uso de modelos privados vs modelos públicos

🔹Controle de acesso e auditoria

🔹Políticas internas para uso de IA por times

🔹Limitar escopo e ações de agentesHands-on: Exemplos de Ataques Comuns