Visão Geral

O curso Arquitetura de Soluções com Inteligência Artificial apresenta os principais conceitos, padrões arquiteturais, tecnologias e práticas para projetar, implementar, integrar e operar soluções de Inteligência Artificial em ambientes corporativos.

Os participantes aprenderão a transformar requisitos de negócio em arquiteturas de IA escaláveis, seguras, observáveis e sustentáveis, considerando diferentes modelos de implementação, incluindo Machine Learning, Inteligência Artificial Generativa, Large Language Models (LLMs), RAG, AI Agents, APIs, microsserviços e arquiteturas orientadas a eventos.

O treinamento aborda desde a definição da arquitetura e seleção dos modelos até integração com sistemas corporativos, bancos de dados, serviços em nuvem, segurança, governança, monitoramento, custos e ciclo de vida das soluções de IA.

Objetivo

Após realizar este curso Arquitetura de Soluções com Inteligência Artificial, você será capaz de:

• Compreender os principais conceitos de arquitetura de soluções de IA
• Projetar arquiteturas para aplicações tradicionais de IA e IA Generativa
• Avaliar e selecionar modelos de IA e LLMs
• Projetar soluções utilizando RAG
• Integrar LLMs a aplicações corporativas
• Projetar arquiteturas baseadas em AI Agents
• Utilizar APIs e microsserviços na construção de soluções de IA
• Integrar IA a bancos de dados e fontes de conhecimento corporativas
• Projetar soluções escaláveis e resilientes
• Aplicar práticas de segurança e governança em soluções de IA
• Implementar estratégias de observabilidade e monitoramento
• Avaliar custos, desempenho e escalabilidade de arquiteturas de IA
• Definir estratégias de implantação e operação de aplicações de IA
• Desenvolver uma arquitetura completa de uma solução corporativa baseada em IA

Publico Alvo

• Arquitetos de Soluções
• Arquitetos de Software
• Arquitetos de Dados
• Engenheiros de Software
• Engenheiros de Dados
• Engenheiros de Machine Learning
• Engenheiros de IA
• DevOps e MLOps Engineers
• Profissionais de Cloud Computing
• Desenvolvedores de aplicações baseadas em IA
• Líderes técnicos e Tech Leads
• Profissionais de transformação digital
• Gestores de tecnologia envolvidos em projetos de IA

Pre-Requisitos

• Conhecimentos básicos de arquitetura de software
• Conhecimentos básicos de APIs e integração de sistemas
• Conhecimentos básicos de bancos de dados
• Conhecimentos básicos de Cloud Computing
• Noções de programação, preferencialmente Python
• Conhecimentos básicos de conceitos de Inteligência Artificial e Machine Learning são recomendados

Materiais

Conteúdo Programatico

Módulo 1 – Fundamentos de Arquitetura de Soluções com IA

1. Conceitos de Inteligência Artificial
2. Machine Learning x Deep Learning x IA Generativa
3. Componentes de uma solução de IA
4. Arquitetura tradicional x arquitetura de IA
5. Características de aplicações inteligentes
6. Requisitos funcionais e não funcionais
7. Escalabilidade
8. Disponibilidade
9. Resiliência
10. Performance
11. Segurança
12. Governança
13. Arquitetura orientada a dados
14. Arquitetura orientada a modelos

Módulo 2 – Arquitetura de IA Generativa

1. Fundamentos de IA Generativa
2. Large Language Models – LLMs
3. Foundation Models
4. Modelos proprietários x Open Source
5. Tokens e contexto
6. Embeddings
7. Inferência
8. Prompt Engineering
9. System Prompt
10. Context Engineering
11. Modelos multimodais
12. Text-to-Text
13. Text-to-Image
14. Speech-to-Text
15. Arquiteturas de aplicações GenAI

Módulo 3 – Seleção de Modelos de IA

1. Estratégias de seleção de modelos
2. Modelos especializados x modelos generalistas
3. Modelos pequenos x modelos grandes
4. Open Source x modelos comerciais
5. Critérios técnicos de seleção
6. Performance
7. Precisão
8. Latência
9. Context Window
10. Custo
11. Privacidade
12. Requisitos de infraestrutura
13. Fine-Tuning
14. Modelos customizados
15. Model Routing
16. Model Gateway

Módulo 4 – Arquitetura RAG

1. O que é Retrieval-Augmented Generation
2. Arquitetura RAG
3. Pipeline de ingestão
4. Chunking
5. Embeddings
6. Vector Database
7. Similarity Search
8. Retrieval
9. Re-ranking
10. Context Augmentation
11. Geração de respostas
12. RAG tradicional
13. Advanced RAG
14. Hybrid Search
15. Metadata Filtering
16. RAG multimodal
17. Avaliação de soluções RAG
18. Estratégias para reduzir hallucinations

Módulo 5 – Vector Databases e Knowledge Architecture

1. Conceitos de bancos vetoriais
2. Vetores e embeddings
3. Indexação
4. Similaridade semântica
5. Busca vetorial
6. Busca híbrida
7. Metadata
8. Estratégias de armazenamento
9. Integração com bancos relacionais
10. Knowledge Base
11. Document Stores
12. Data Lakes
13. Enterprise Knowledge Architecture

Módulo 6 – AI Agents e Sistemas Autônomos

1. Conceito de AI Agents
2. Agent Architecture
3. Agent Loop
4. Tools
5. Function Calling
6. Planning
7. Memory
8. Context Management
9. Multi-Agent Systems
10. Agent Orchestration
11. Human-in-the-Loop
12. Agent-to-Agent Communication
13. Segurança de agentes
14. Controle de permissões
15. Arquiteturas para agentes corporativos

Módulo 7 – APIs, Microsserviços e Integração com IA

1. APIs para aplicações de IA
2. REST APIs
3. API Gateway
4. AI Gateway
5. Microsserviços
6. Service-to-Service Communication
7. Event-Driven Architecture
8. Message Brokers
9. Integração com sistemas legados
10. Integração com ERP, CRM e sistemas corporativos
11. Webhooks
12. Function Calling
13. MCP – Model Context Protocol
14. Arquitetura de integração entre LLMs e sistemas corporativos

Módulo 8 – Cloud Architecture para IA

1. Arquitetura Cloud para IA
2. IaaS, PaaS e SaaS
3. Serviços gerenciados de IA
4. AI Platforms
5. GPU Computing
6. Containers
7. Kubernetes
8. Serverless AI
9. Storage
10. Networking
11. Load Balancing
12. Autoscaling
13. Arquiteturas híbridas
14. Multi-Cloud
15. Cloud x On-Premises
16. Estratégias para workloads de IA

Módulo 9 – Segurança de Soluções de IA

1. AI Security
2. Threat Modeling para IA
3. Segurança de LLMs
4. Prompt Injection
5. Jailbreaking
6. Data Leakage
7. Model Abuse
8. Riscos relacionados a RAG
9. Segurança de APIs
10. IAM
11. Authentication
12. Authorization
13. Secrets Management
14. Criptografia
15. Proteção de dados
16. Segurança de AI Agents
17. Zero Trust para aplicações de IA

Módulo 10 – Governança e Responsible AI

1. AI Governance
2. Responsible AI
3. Ética em Inteligência Artificial
4. Transparência
5. Explainability
6. Accountability
7. Data Governance
8. Model Governance
9. Controle de acesso
10. Auditoria
11. Gestão de riscos
12. Compliance
13. LGPD aplicada à IA
14. Políticas corporativas para utilização de IA
15. Human Oversight

Módulo 11 – MLOps, LLMOps e ciclo de vida

1. Machine Learning Lifecycle
2. Model Lifecycle
3. MLOps
4. LLMOps
5. Model Registry
6. Dataset Versioning
7. Model Versioning
8. Prompt Versioning
9. Experiment Tracking
10. CI/CD para IA
11. Automação de pipelines
12. Deploy de modelos
13. Model Monitoring
14. Data Drift
15. Model Drift
16. Performance Monitoring
17. LLM Evaluation

Módulo 12 – Observabilidade e FinOps para IA

1. Observabilidade de aplicações de IA
2. Logs
3. Metrics
4. Traces
5. Distributed Tracing
6. LLM Observability
7. Latência
8. Token Usage
9. Model Performance
10. RAG Evaluation
11. Agent Monitoring
12. Alertas
13. Troubleshooting
14. Gestão de custos
15. FinOps para IA
16. Custo por requisição
17. Custo por token
18. Otimização de modelos
19. Caching
20. Model Routing

Módulo 13 – Padrões Arquiteturais para Soluções de IA

1. AI Application Architecture
2. RAG Pattern
3. AI Gateway Pattern
4. Model Gateway Pattern
5. Agent Pattern
6. Multi-Agent Pattern
7. Human-in-the-Loop Pattern
8. AI Microservices
9. Event-Driven AI
10. Serverless AI
11. Hybrid AI
12. Multi-Model Architecture
13. Model Routing
14. Prompt Management
15. Knowledge-Augmented Architecture

Módulo 14 – Arquitetura de Referência de uma Solução Corporativa de IA

Desenvolvimento de uma arquitetura completa envolvendo:

1. Aplicação cliente
2. API Gateway
3. AI Gateway
4. LLM
5. RAG
6. Vector Database
7. Knowledge Base
8. Banco de dados
9. Microsserviços
10. AI Agents
11. Authentication
12. Authorization
13. Observabilidade
14. Segurança
15. Monitoramento
16. CI/CD
17. Cloud Infrastructure

Módulo 15 – Projeto Prático Final

Desenvolvimento de uma Arquitetura de Solução Corporativa com IA, contemplando:

• Levantamento dos requisitos
• Definição do problema de negócio
• Seleção dos modelos
• Definição da arquitetura
• Escolha das tecnologias
• Arquitetura RAG
• Integração com APIs
• Integração com banco de dados
• AI Agents
• Segurança
• Governança
• Observabilidade
• Estratégia de implantação
• Dimensionamento
• Estimativa de custos
• Documentação da arquitetura
• Apresentação da solução