Notas de Aula · IA Generativa e LLMs
Pós-Graduação · PUC-Rio
Este site reúne as notas de aula das disciplinas da pós-graduação em Inteligência Artificial Generativa e Large Language Models da PUC-Rio, disciplina a disciplina, com uma apostila própria para cada uma.
As notas são elaboradas a partir do material das aulas e organizadas segundo a ementa oficial de cada disciplina. O acervo cresce a cada disciplina cursada.
Autor: Vítor Wilher
Disciplinas
DPIA
Desmistificando a Programação de IA
Fundamentos de Python para IA: sintaxe, funções, bibliotecas, NumPy, Pandas e análise de dados aplicada.
TDP
Transformando Dados em Percepção
Bancos de dados e SQL: modelagem, DDL, DML, DQL, dados estruturados e não estruturados, arquiteturas de dados.
NLP
Introdução ao Processamento de Linguagem Natural
Do pré-processamento de texto aos LLMs: embeddings, RAG, prompts e aplicações text-to-text.
PAI
Processamento e Análise de Imagens
Redes neurais e visão computacional: CNNs, transfer learning, Vision Transformers, modelos multimodais e detecção de objetos.
DGL
Deep Generative Learning
Modelos generativos profundos: GANs, VAEs, modelos de difusão e aprendizado por reforço aplicado a modelos generativos.
PLNA
Processamento de Linguagem Natural Avançado
Small Language Models, agentes, arquiteturas em produção e ferramentas modernas de desenvolvimento assistido por IA.
DAI
Desenvolvimento de Aplicações de IA
Construção de aplicações de IA ponta a ponta: arquitetura, integração, avaliação e deploy.
OFICINAS
Oficinas Práticas
Atividades hands-on que acompanham as disciplinas, com exercícios guiados e gabaritos comentados.
Disciplinas eletivas
Disciplinas de outros cursos de ciência de dados e inteligência artificial cursadas ao longo da formação.
DM
Data Mining
Mineração de dados: pré-processamento, classificação, agrupamento, regressão e séries temporais.
BI
Business Intelligence
Modelagem dimensional, ETL, indicadores de negócio e visualização analítica.
SAD
Sistemas de Apoio à Decisão
Métodos e sistemas de apoio à decisão aplicados a problemas de negócio.
AWS
Ciência de Dados na Nuvem
Serviços da AWS aplicados a ciência de dados: armazenamento, processamento, machine learning e deploy.
OAG
Otimização e Algoritmos Genéticos
Métodos de otimização e algoritmos evolutivos aplicados a busca e decisão.
OFIC251
Oficinas 2025.1
Oficinas práticas do semestre 2025.1, com exercícios guiados e gabaritos.
Materiais das aulas
Além das notas, o site reúne os materiais práticos de cada aula — notebooks, gravações, scripts e conjuntos de dados — organizados aula a aula em Materiais.
Como as notas são organizadas
Cada disciplina tem uma página no site e uma apostila em PDF com o mesmo conteúdo, formatada para leitura offline e impressão. A estrutura segue sempre o mesmo padrão:
- Visão geral — o que a disciplina cobre e como as aulas se encadeiam.
- Uma seção por aula, na ordem da ementa oficial, com os conceitos desenvolvidos e o código apresentado.
- Síntese — o fio condutor entre as aulas.
As notas são material de estudo pessoal, elaborado a partir do conteúdo das aulas. Não substituem o material oficial das disciplinas nem a bibliografia indicada pelos professores.