01
Fundações de IA
Entenda o que é IA, como os sistemas aprendem, onde falham e como julgar as reivindicações sem exageros.
Biblioteca de IA gratuita
Fundamentos guiasLivre para sempre.
84 guias em inglês simples, caminhos de aprendizagem estruturados e uma biblioteca aberta — criada por uma organização sem fins lucrativos 501(c)(3) independente para que qualquer pessoa possa entender a IA moderna.
84Guias gratuitos
1Faixas de tópico
~2 minPor guia
~3hTempo de leitura
Comece aqui
Cinco cursos baseados em resultados
Cada curso inclui resultados explícitos, competências mapeadas, atividades práticas e um objetivo final aplicado.
02
Usuário responsável de IA
Use a IA de forma produtiva enquanto protege a privacidade, verifica os resultados e preserva a responsabilidade humana.
03
IA no trabalho
Avalie casos de uso no local de trabalho, execute pilotos seguros, meça o valor e comunique as mudanças com responsabilidade.
04
Política e sociedade de IA
Analise os sistemas de IA por meio de direitos, equidade, governança, segurança e resultados de interesse público.
05
Construindo com Sistemas de IA
Entenda modelos de linguagem, recuperação, agentes, avaliação, custo e proteções de implantação por meio de design prático de sistema.
Faixas de tópico
Navegue por faixa
Entre na área de seu interesse. Cada faixa tem vários guias em inglês simples.
FundamentosConceitos centrais: como a IA funciona em alto nível.84 guias IA de linguagemLLMs, PNL, ChatGPT, prompts e compreensão de texto.155 guias IA visualGeração de imagens, visão computacional, vídeo e design.133 guias IA de áudioVoz, música, podcasting e IA com foco no áudio.117 guias EmpresasPerfis de OpenAI, Anthropic, Google, Meta e muito mais.121 guias AplicativosComo a IA aparece na codificação, na pesquisa, nos agentes e na vida diária.111 guias IndústriasIA em saúde, finanças, educação, energia e muito mais.91 guias TécnicoChips, ajuste fino, RAG, vetores e infraestrutura de IA.177 guias SociedadePreconceito, privacidade, direitos autorais, segurança e o futuro da IA.30 guias
Biblioteca completa
Todos os guias
84 de 1019 guias mostrados. Filtre por faixa ou pesquise acima.
Fundamentos
Ajuste fino de reprodução automática
O ajuste fino do autojogo melhora um modelo, fazendo-o competir ou aprender com seus próprios resultados anteriores, gerando seu próprio sinal de treinamento.
FundamentosTreinamento em tempo de teste
O treinamento em tempo de teste (TTT) permite que um modelo continue aprendendo com cada nova entrada no momento em que faz uma previsão, em vez de permanecer congelado após o treinamento.
FundamentosGrokking e Generalização Atrasada
Grokking é um fenômeno surpreendente onde uma rede neural primeiro memoriza seus dados de treinamento, permanece com precisão de validação próxima de zero por um longo tempo e então…
FundamentosOverfitting e Underfitting
Overfitting ocorre quando um modelo memoriza seus dados de treinamento e falha em novos exemplos; underfitting ocorre quando é muito simples capturar o padrão real.
FundamentosRegularização
Regularização é um conjunto de técnicas que restringem deliberadamente um modelo para que ele generalize para novos dados em vez de memorizar o conjunto de treinamento.
FundamentosRetropropagação
Backpropagation é o algoritmo que permite que uma rede neural aprenda com seus erros, calculando com eficiência quanto cada peso contribuiu para o erro.
FundamentosDescida Gradiente
O gradiente descendente é o método de otimização que realmente move os pesos de um modelo em direção a um erro menor, um pequeno passo de cada vez.
FundamentosFunções de Perda
Uma função de perda é o único número que informa a um modelo o quão erradas estão suas previsões, transformando uma meta vaga em algo que a matemática pode otimizar.
FundamentosFunções de ativação
As funções de ativação são pequenas portas não lineares dentro de cada neurônio que permitem que as redes neurais aprendam padrões curvos e complexos em vez de apenas linhas retas.
FundamentosRedes Neurais Convolucionais
Redes Neurais Convolucionais (CNNs) são a arquitetura robusta para a compreensão de imagens.
FundamentosRedes Neurais Recorrentes
Redes Neurais Recorrentes (RNNs) são construídas para lidar com sequências como texto, fala e séries temporais.
FundamentosRedes Adversariais Gerativas
Redes Adversariais Generativas (GANs) criam novos dados realistas colocando duas redes neurais uma contra a outra em uma competição.
Terminou de ler? Prove.
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.