Como escolher sua trilha de aprendizado em IA

1.8K views
•
September 6, 2025
by
Sandeco
YouTube video player
Como escolher sua trilha de aprendizado em IA

TL;DR

A escolha da trilha em inteligência artificial começa por definir se você quer criar modelos ou usar IA para construir automações. Criar modelos exige aprofundamento em matemática e dados; desenvolver automações envolve prompts, contexto e agentes. A sequência proposta para aplicações começa com prompts e agentes sem programação, avança para Python e integrações, depois aborda proteção, MCP e A2A.

Transcript

Nessa, por exemplo, o João Cabral, ele perguntou qual seria a trilha para me tornar um senior IA. E o certo, só para e o Jean Carlos Dalceiro, qual trilha de aprendizado seguir sou programador PHP com 15 anos, mas fascinado por Iá. Aí eu acho que essa diferença também da trilha para alguém que não é programador como como eu, assim, e alguém que com... Read More

Key Insights

  • Criar inteligência artificial exige aprofundamento em matemática, probabilidade, estatística e dados.
  • Automações com IA direcionam o aprendizado para prompts, engenharia de contexto e agentes com LLM.
  • Python é apresentado como a linguagem comum às trilhas de criação e uso de inteligência artificial.
  • A sequência proposta começa com engenharia de prompts e agentes acessíveis a quem não sabe programar.
  • O estudo de Python antecede o volume de agentes dedicado a integrações e automações de tarefas reais.
  • Guardrails são apresentados como técnicas de proteção para evitar comportamentos inadequados dos agentes.
  • O conteúdo de MCP inclui servidores, clientes, conexão com ferramentas e segurança usando chaves de API.
  • A2A permite comunicação entre agentes de linguagens, frameworks e empresas diferentes, segundo a exposição.

Explore YouTube Video Summarizer or Get YouTube Transcript Extractor

Questions & Answers

Q: Como escolher entre criar modelos de IA e desenvolver automações com IA?

A escolha começa pela definição do trabalho que você quer realizar. A exposição distingue quem cria inteligência artificial de quem utiliza inteligência artificial para construir aplicações e automações. Na criação, o estudo precisa se aprofundar em matemática, probabilidade, estatística e tratamento de dados para desenvolver redes neurais. No uso, o foco passa para engenharia de prompts, engenharia de contexto e agentes baseados em LLM. Para o programador experiente citado na conversa, a orientação também é definir esse objetivo antes de escolher os conteúdos e ferramentas da trilha.

Q: Quais conhecimentos são necessários para seguir a trilha de criação de IA?

A trilha de criação de inteligência artificial exige, segundo a exposição, um aprendizado matemático mais aprofundado, incluindo cálculo, probabilidade e estatística. Esses conhecimentos são relacionados ao trabalho de criar redes neurais. Também é necessário aprender a trabalhar com dados: adquiri-los, organizá-los e tratá-los. A ciência de dados aparece como uma parte importante dessa preparação. Python é apresentado como a linguagem comum tanto à criação quanto ao uso de IA. Essa base diferencia o caminho de criação de modelos da sequência voltada principalmente a prompts, agentes e automações.

Q: É possível começar a estudar agentes de IA sem saber programar em Python?

Sim. A sequência apresentada inclui um livro inicial de agentes desenvolvido para pessoas que ainda não sabem programar em Python. Antes dele, a recomendação é estudar engenharia de prompts com o livro Prompts em Ação. O material inicial de agentes permite construir e colocar agentes para funcionar, e a exposição menciona um exemplo ligado à criação de petições. O estudo formal de Python vem depois dessa experiência. A proposta é que a pessoa já tenha usado agentes e compreendido parte do funcionamento antes de avançar para programação e integrações.

Q: Qual é a ordem de estudos proposta para aprender a desenvolver aplicações com IA?

A ordem proposta começa com Prompts em Ação, dedicado à base de engenharia de prompts. Depois vem Agentes Inteligentes Volume 1, apresentado como acessível a quem não programa. O próximo passo é Python para IA, seguido de Agentes Inteligentes Volume 2, que aborda integrações e automações. A sequência continua com Prompts em Ação Volume 2, voltado a guardrails, e com o livro de MCP e A2A. Por fim, é anunciado um livro sobre RAG, ainda não escrito naquele momento. A organização acompanha a passagem de instruções e agentes iniciais para programação, proteção e comunicação.

Q: Qual é o papel de Python na trilha de aprendizado em inteligência artificial?

Python é apresentado como a linguagem comum aos caminhos de criação e uso de inteligência artificial. Para quem deseja construir automações com agentes, a orientação inclui conhecer Python e um framework. Na sequência de livros, o estudo da linguagem aparece depois de prompts e agentes iniciais, preparando a transição para o volume mais avançado de agentes. O livro de Python é descrito como destinado a quem não conhece a linguagem e inclui 12 horas de aulas gravadas, além de um grupo para dúvidas. O conteúdo busca reunir o que o autor considera necessário para criar ou usar IA com Python.

Q: Que aplicações práticas são abordadas no conteúdo avançado de agentes?

O volume avançado de agentes aborda automações de tarefas reais, com exemplos de atendimento a clientes, coleta de dados e geração de relatórios. A exposição menciona integrações com WhatsApp, Instagram, Telegram e YouTube, além de banco de dados, ferramentas para scraping e apresentação dos agentes em tela. O livro é descrito como um material de 11 capítulos que trabalha com CrewAI em nível intermediário. Também são mencionadas 10 aulas de três horas e um grupo de WhatsApp. Na trilha proposta, esse conteúdo aparece depois da introdução a Python.

Q: Por que estudar guardrails depois de aprender a construir agentes de IA?

Guardrails entram na sequência quando a pessoa já construiu agentes e aprendeu Python, porque o próximo objetivo apresentado é proteger esses agentes. A explicação utiliza a imagem de uma rua com barreiras de proteção para representar limites que ajudam a evitar comportamentos inadequados. O livro Prompts em Ação Volume 2 é descrito como um avanço na área de prompts e reúne técnicas para essa proteção. A transcrição não detalha cada técnica individualmente. O papel desse conteúdo na trilha é acrescentar proteção aos agentes que já foram desenvolvidos e colocados para executar tarefas.

Q: O que a trilha ensina sobre MCP e comunicação entre agentes com A2A?

O conteúdo de MCP aborda criação de servidores e clientes, comunicação com ferramentas e integração com CrewAI. A exposição também menciona segurança com chaves de API, incluindo a criação dessas chaves para compor uma estrutura de proteção. A2A é apresentado como uma forma de permitir que dois agentes conversem mesmo quando utilizam linguagens de programação, frameworks ou empresas diferentes. O autor relata ainda uma extensão da classe de agentes do CrewAI para permitir comunicação remota. Esse conjunto de conteúdos aparece depois da etapa de guardrails na sequência de aprendizado proposta.

Summary & Key Takeaways

  • A trilha depende do objetivo: criar IA exige matemática, estatística e trabalho com dados. Usar IA em automações direciona o estudo para engenharia de prompts, contexto e agentes baseados em LLM.

  • A sequência apresentada começa com prompts e agentes para quem não programa. Depois introduz Python e agentes com integrações para responder clientes, coletar dados e gerar relatórios.

  • Após as automações, a trilha aborda guardrails para proteger agentes, MCP para conectar ferramentas e A2A para comunicação entre agentes. O livro sobre RAG ainda não estava escrito.


Read in Other Languages (beta)

Share This Summary 📚

Explore More Summaries from Sandeco 📚