Laboratório Mágico de IA
Uma estrutura de curso rigorosa que integra quatro grandes seções: Fundamentos de IA, Geração de Modelos Grandes (GenAI e LLM), Agentes e Computação Evolutiva (destacado como um recurso da PolyU) e Ética. A lógica do curso progride sequencialmente por Percepção e Dados (L1-3), Cognição e Geração (L4-6), Agentes e Evolução (L7-9) e conclui com Ética e Futuro (L10).
Visão Geral do Curso
Resumo do Conteúdo
O "Laboratório de Magia da IA" é um curso rigoroso e integrado projetado para oferecer uma compreensão profunda e sequencial da Inteligência Artificial moderna. O currículo está estruturado em quatro módulos progressivos: conceitos fundamentais (Percepção & Dados), capacidades gerativas avançadas (Cognição & Geração via LLMs e Modelos de Difusão), sistemas autônomos (Agentes & Computação Evolutiva) e governança ética (Ética & Futuro). Os alunos irão evoluir desde a compreensão da representação numérica bruta dos dados até o domínio do design de sistemas complexos, culminando em uma visão abrangente da criação e implantação responsáveis da IA.
Este curso oferece uma compreensão rigorosa e integrada da IA moderna, abrangendo fundamentos essenciais de dados, técnicas de geração com Modelos de Linguagem de Grande Escala (LLM), a arquitetura de Agentes autônomos e as considerações éticas críticas necessárias para implantação responsável.
Objetivos de Aprendizagem
- Dominar os fundamentos da percepção por IA, representação de dados (Tensores) e tarefas básicas de aprendizado supervisionado como Classificação.
- Compreender e controlar Modelos de Linguagem de Grande Escala (LLMs) e IA Generativa aplicando conceitos de previsão de sequências, o Mecanismo de Attenção e técnicas avançadas de Engenharia de Prompt.
- Projetar e analisar Agentes Inteligentes, integrando o ciclo Percepção-Decisão-Ação com métodos avançados de otimização baseada em população, como a Computação Evolutiva.
- Diferenciar entre IA Generativa e Discriminativa e explicar o processo mecânico dos Modelos de Difusão para geração de imagens a partir de texto.
- Avaliar os desafios éticos inerentes à IA contemporânea (viés de dados, alucinações de modelo, deepfakes) e propor estratégias para uma Síntese Humano-IA responsável.