| 20.03.26 |
Criando agentes |
podem interagir com o ambiente, coletar dados, tomar decisões e realizar ações para atingir um objetivo específico. |
| 20.03.26 |
Langchain |
é um framework completo para o desenvolvimento de aplicações de IA, aproveitando o poder dos Grandes Modelos de Linguagem |
| 20.03.26 |
Definindo a Personalidade do Agente de IA |
você instrui a Linguagem de Modelo (LLM) sobre como ela deve interpretar as perguntas e gerar respostas que sejam relevantes e precisas. |
| 20.03.26 |
RAG - Retrieval Augmented Generation |
Geração Aumentada por Recuperação, é uma abordagem que melhora a qualidade das respostas de um modelo de linguagem (LLM) ao incorporar informações de fontes externas. |
| 18.03.26 |
Product Requirement Document |
documentação central que serve para instruir a inteligência artificial sobre como o projeto deve funcionar |
| 18.03.26 |
engenharia de prompt |
Como criar prompts eficazes para obter os resultados desejados desses modelos. |
| 15.03.26 |
Skills |
são como playbooks que a IA lê para executar tarefas específicas, tornando-se especialista no seu negócio |
| 13.03.26 |
Model Context Protocol |
permite a comunicação direta e padronizada entre diferentes ferramentas de software e agentes de ia |
| 13.03.26 |
mvp |
é uma versão de um produto com o conjunto mínimo de funcionalidades necessário para ser lançado e validar uma ideia de negócio |
| 12.03.26 |
Redes Neurais Artificiais |
são um tipo de modelo de aprendizado de máquina inspirado no funcionamento do cérebro humano. |
| 12.03.26 |
Metodos do Machine Learning |
são técnicas utilizadas para treinar modelos que possam aprender a partir dos dados e fazer previsões ou tomar decisões com base nessa aprendizagem. |
| 12.03.26 |
Metodos de Machine Learning bioinspirados |
são técnicas que se inspiram no funcionamento do cérebro humano e em processos biológicos para desenvolver algoritmos de aprendizado de máquina |
| 12.03.26 |
Introducao ao Machine Learning |
permite que os sistemas computacionais aprendam sem ser explicitamente programados para realizar uma tarefa específica. |
| 12.03.26 |
Machine Learning |
permite que os sistemas computacionais aprendam sem ser explicitamente programados para realizar uma tarefa específica. |
| 12.03.26 |
Prompts |
são instruções ou comandos fornecidos para um sistema |
| 05.03.26 |
Workflows |
é o processo de transformar checklists mentais e tarefas repetitivas em instruções estruturadas que a IA pode executar com consistência |
| 05.03.26 |
Rules |
são pacotes de conhecimento sob demanda, as regras funcionam como um código de conduta ou uma placa arquitetônica que o agente consulta antes e durante a escrita de código |
| 04.03.26 |
Documentação Semântica |
Sua função principal é traduzir ativos técnicos complexos em uma linguagem que tanto humanos quanto IAs compreendam |
| 03.03.26 |
Automacao Inteligente de Processos |
A combinação de Workflow (fluxo de trabalho), Skill (habilidade/capacidade) e Rules (regras) compõe a estratégia |
| 03.03.26 |
Engenharia de contexto |
é o processo fundamental de fornecer informações estruturadas e diretrizes claras para uma IA |
| 03.09.25 |
Chatbot com Llama |
criar modelos de linguagem avançados que podem ser utilizados para realizar tarefas como responder perguntas, gerar texto e mais. |
| 03.09.25 |
Chatbot com IA local |
Como usar um processo para que o código interaja com o modelo de forma programática para realizar tarefas de geração de texto. |
| 26.07.25 |
code smells |
são padrões no código fonte que indicam problemas e melhorias |
| 26.06.25 |
Agente sobre minha empresa |
Como construir um modelo de linguagem que possa responder perguntas e fornecer informações baseadas em um conjunto de dados. |
| 24.01.25 |
O mundo da IA |
Gráfico sobre o mundo da IA |
| 24.01.25 |
Niveis de processamento da PLN |
Gráfico sobre processamento em Linguagem Natural |
| 20.01.25 |
Modelos locais de IAs |
A principal vantagem em usar modelos locais é que além de não necessitar de internet, não ter os tradicionais limites pagos de uso, e ainda poder treinar e testar diferentes modelos de IAs. |
| 20.01.25 |
langchain API |
As APIs permitem que seu agente se conecte ao mundo exterior, acesse informações em tempo real, e execute ações |
| 20.01.25 |
Function Calling |
Isso permite criar funções que o modelo pode chamar para realizar cálculos complexos, acessar informações externas ou realizar outras ações importantes |
| 20.01.25 |
Self-Consistency |
podemos solicitar a geração de múltiplas respostas e escolher aquela que apresenta maior probabilidade de ser correta. |
| 20.01.25 |
System Prompt |
Define a personalidade, o tom e o comportamento do agente de IA. |
| 20.01.25 |
Transformacao e Feedback |
forma eficaz para transformar a saída do modelo, permitindo que o usuário obtenha as informações desejadas em um formato mais adequado |
| 20.01.25 |
Seletores de LLM |
oferecem uma forma eficiente e automática de escolher os melhores exemplos. |
| 20.01.25 |
Instrucoes Detalhadas no Prompt |
podem incluir detalhes sobre o formato desejado para a resposta, os tipos de informação que devem ser extraídos ou até mesmo os passos do raciocínio que devem ser seguidos. |
| 20.01.25 |
Few-Shot Learning |
orienta o modelo a seguir um padrão de raciocínio e formatação específicos, reduzindo assim a necessidade de treinamento adicional. |
| 20.01.25 |
Comprimento do Historico de Conversacao |
variável fundamental para evitar ultrapassar o limite de tokens e otimizar os custos associados ao processamento das mensagens |
| 20.01.25 |
Chain-of-Thought |
técnica de Cadeia de Pensamento é uma ferramenta inovadora em modelos de linguagem baseados em largura de banda (LLM) para melhorar a precisão e a transparência das respostas. |
| 20.01.25 |
parametros de LLM |
Diversos parâmetros podem ser ajustados para influenciar as respostas de um modelo de linguagem |