Engenharia de agentes com IA generativa — nível produção.
Um programa intensivo para estudantes STEM que ensina a stack completa de IA generativa: APIs de LLM, embeddings, RAG, agentes, fine-tuning, avaliação/observabilidade e deploy.
End-to-end engineering · Projetos reais e portfólio público · Evals + produção
Profissional não é quem faz demo. É quem entrega com qualidade.
A SoberanIA foi desenhada para atuar na última milha da formação: transformar base acadêmica sólida em capacidade prática de construir, validar e operar soluções de IA generativa no mundo real.
Padrão de engenharia
Versionamento, boas práticas, documentação, testes e design de sistemas.
Qualidade mensurável
Avaliação automatizada, métricas e regressão de performance.
Produção e deploy
API, observabilidade, custo/latência e deploy de demos públicas.
Os módulos do programa.
O que é ensinado e o que é entregue em cada etapa.
LLM Engineering
completions/chat, structured output, multimodal, temperature/top_p, metadata, histórico de conversa, tool calling
mini-agente com tool calling e output em JSON
output válido + tool calls corretos + controle de custo básico
Embeddings & Vector Search
embeddings e visualização, modelos e trade-offs, vector databases, distâncias e estratégias de score
busca semântica com vector DB
precisão/relevância medida em dataset de teste
RAG
chunking/index, estratégias de retrieval, grounding/citations, anti-alucinação
pipeline RAG com base real + citations
factualidade e relevância medidas em eval set
Agent Frameworks & Orchestration
ReAct, padrões de uso de tools, estados, orquestração, padrões de memória
agente multi-step com estado e ferramentas
taxa de sucesso em tarefas definidas + estabilidade
Fine-tuning
quando usar fine-tuning, preparação de dataset, SFT/LoRA, fine-tuning de embeddings
experimento de fine-tuning + comparação com baseline
melhoria comprovada por métricas pré/pós
Evals & Observability
golden dataset, auto evals, regressão e versionamento, tracing/logging, custo e latência
suite de avaliação automatizada + relatório
regressão funcionando + métricas de qualidade/custo visíveis
Deploy & Productization
API com FastAPI, streaming UX, auth/rate limiting, caching, deploy em cloud
demo pública deployada
endpoint estável + observabilidade mínima + documentação
Padrão de engenharia, não opinião.
O aluno não é avaliado por 'apresentação'. É avaliado por evidências técnicas e qualidade mensurável.
Golden dataset
Conjunto de dados de referência para validar a qualidade das respostas.
Métricas de qualidade
Precision, recall, factualidade, relevância e coerência medidos automaticamente.
Regressão automática
Pipeline que detecta degradação de performance entre versões.
Custo e latência
Monitoramento de tokens, tempo de resposta e eficiência operacional.
Ao final, cada aluno tem um relatório que mostra o nível de qualidade do seu agente e a evolução ao longo do programa.
O que o aluno sai mostrando.
- 01GitHub repo com README e arquitetura
- 02agente tool-using multi-step
- 03RAG com base real e citations
- 04suite de evals + regressão
- 05API deployada
- 06tracing/logging básico
- 07pitch e apresentação do Demo Day
Esse portfólio funciona como prova de trabalho para recrutadores.
Quer participar como aluno ou apoiar uma turma? Fale com a SoberanIA.
Fale com a gente
Conte o contexto e o que você quer destravar. Respondemos em até dois dias úteis.
contato@aibypeople.org