Fundamentos
Conceitos centrais, história, filosofia e pré-requisitos para compreender IA.
Tópicos
IA Clássica / Simbólica
Lógica, representação de conhecimento (knowledge representation), planejamento e abordagens de IA centradas em busca.
Machine Learning
Tipos centrais de problemas, modelos, avaliação e fluxos de trabalho práticos para machine learning.
Deep Learning
Redes neurais (neural networks), dinâmica de treinamento (training dynamics), arquiteturas e escalonamento (scaling).
IA generativa
Modelagem generativa (generative modeling), modelos de linguagem de grande porte (large language models), recuperação (retrieval) e sistemas orientados por prompts (prompt-driven systems).
PLN (NLP)
Tarefas de processamento de linguagem, representações, recuperação de informação e avaliação.
Fala e Áudio
Reconhecimento de fala, síntese de fala e compreensão de áudio.
Visão Computacional
Compreensão de imagens e vídeos, visão-linguagem multimodal e avaliação.
Robótica
IA incorporada (embodied AI), pipelines de percepção para controle e aprendizado para robótica.
Aprendizado por Reforço
Aprendizado por interação: recompensas, políticas e estimativa de valor.
Agentes e Planejamento
Sistemas agentivos (agentic systems), uso de ferramentas (tool use), tarefas de longo horizonte (long-horizon tasks) e avaliação (evaluation).
Interação Humano–IA
Projetando experiências de usuário de IA e ciclos de feedback.
Dados
Coleta, documentação, segurança e gerenciamento de dados para sistemas de IA.
Engenharia de IA (MLOps)
Construção, implantação e operação confiável de sistemas de machine learning e LLMs.
Computação e Sistemas
Conceitos de hardware e sistemas que impulsionam o desempenho e o custo de IA.
IA Responsável
Equidade (fairness), segurança (safety), proteção (security), governança e impactos sociais de sistemas de IA.
Direito e Políticas Públicas
Panorama jurídico e de políticas públicas relevante para o desenvolvimento e a implementação de IA.
Benchmarks e Avaliação
Avaliando modelos e sistemas offline e online, incluindo segurança e robustez.
Ferramentas e Ecossistema
Frameworks, bibliotecas, conjuntos de dados (datasets), licenças e ferramentas comuns.
Aplicações (por Domínio)
Como a IA (AI) é aplicada em diferentes setores, com restrições e riscos específicos de cada domínio.
Produto e Estratégia
Como escolher casos de uso de IA, medir o sucesso e entregar produtos confiáveis.
Pesquisa e Fronteiras
Direções de pesquisa ativas, debates e problemas em aberto em IA.