Inteligência Artificial

Definição formal de IA, taxonomia Narrow/General/Super AI, paradigmas de ML, e a história completa do campo — de Turing aos LLMs modernos

Vetores, matrizes, derivadas, gradientes, probabilidade, teorema de Bayes e gradient descent — a matemática que sustenta todo modelo de IA

Do Perceptron aos Transformers: MLP, funcoes de ativacao, backpropagation, CNNs, RNNs, LSTMs, self-attention e a arquitetura que unificou IA moderna

Tokenizacao, embeddings, pre-treino, fine-tuning, RLHF, inferencia e scaling laws -- como LLMs funcionam por dentro

ReAct, tool use, RAG, tipos de memoria e sistemas multi-agente -- como LLMs deixam de ser chatbots e se tornam agentes autonomos

Zero-shot, few-shot, chain-of-thought, system prompts, templates, guardrails e tecnicas avancadas para extrair o maximo de LLMs

APIs de LLMs, SDKs, vector databases, embedding search, frameworks e construção de uma aplicação RAG completa em Node.js

RAG (embeddings, vector stores, chunking), AI Agents (tool use, function calling, MCP), prompt engineering avançado, LLMs em produção (rate limiting, caching, guardrails, evals), segurança e AI-assisted development