Roteiro de 6 Meses para Engenheiro de IA
De Wikiprompt, a enciclopédia livre de prompts
Roteiro de 6 Meses para Engenheiro de IA Um roteiro de aprendizado mês a mês cobrindo fundamentos, desenvolvimento de LLM, RAG, agentes, implantação e especialização para se tornar um engenheiro de IA em seis meses.
Conteúdo do PromptSalvar
🌐
Mês 1: Ficar sólido o suficiente em programação e fundamentos
- Python muito bem
- Git + GitHub
- Noções básicas de CLI / terminal
- JSON, APIs, HTTP, noções básicas de async
- SQL básico
- Manipulação básica de dados com pandas
- Ambientes virtuais, gerenciamento de pacotes, tratamento de erros
- FastAPI ou Flask
Mês 2: Dominar o desenvolvimento de aplicativos LLM
- Fundamentos de prompting
- Instruções de sistema vs usuário
- Saídas estruturadas / esquemas JSON
- Chamada de função/ferramenta
- Respostas em streaming
- Estado da conversa
- Noções básicas de custo / latência / tokens
- Tratamento de falhas
- Conscientização sobre injeção de prompt
Mês 3: Aprender RAG corretamente
- Embeddings
- Chunking
- Bancos de dados vetoriais
- Filtragem por metadados
- Reclassificação (reranking)
- Problemas de qualidade de recuperação
- Redução de alucinações
- Citações e fundamentação
Mês 4: Agentes, ferramentas, fluxos de trabalho, avaliações
- Loops de agentes
- Seleção de ferramentas
- Gerenciamento de estado
- Tentativas (retries)
- Quando NÃO usar agentes
- Fluxos de trabalho de múltiplas etapas
- Estruturas de avaliação
- Métricas de sucesso de tarefas
Mês 5: Implantação, pensamento de produto e confiabilidade
- Padrões de produção com FastAPI
- Docker
- Trabalhos em segundo plano
- Filas
- Autenticação + segurança de chaves de API
- Registro (logging)
- Observabilidade
- Gerenciamento de prompts/versões
- Painéis de avaliação
- Monitoramento de custos
- Limites de taxa
- Cache
Mês 6: Especializar-se e tornar-se contratável
Escolha uma direção e foque na prática:
Direção 1: Engenheiro de produto de IA (aplicativos LLM, RAG, agentes, implantação, UX de produto)
Direção 2: Engenheiro de ML / LLM aplicado (fine-tuning, quando fine-tune vs prompt, avaliação, otimização de inferência, modelos de código aberto, pipelines de treinamento)
Direção 3: Engenheiro de automação de IA (orquestração de fluxos de trabalho, automação de processos de negócios, sistemas multi-ferramentas, CRM, documentos, e-mail, suporte, casos de uso de operações)
Entre para ver o prompt completo
Continuar com:
Ao entrar, você concorda com nossos Termos de uso e Política de privacidade
Uso
Este prompt foi projetado para uso com education. Copie o conteúdo acima e cole na sua ferramenta de IA preferida.
Para melhores resultados, personalize os marcadores (indicados por colchetes ou maiúsculas) com seus requisitos específicos.
Referências
- Categoria: Prompts de education
- Fonte: https://x.com/sairahul1/status/2075934382284484997
Discussão
0 comentários