Arquitetura de Sistemas com Agentes de IA: Design Patterns, Context Engineering e Engenharia de Confiabilidade

Este treinamento foi elaborado para profissionais que desejam ir além da simples integração de modelos de linguagem e aprender a construir arquiteturas completas de aplicações baseadas em Agentes de IA. Ao longo do curso, você aprenderá como estruturar sistemas que utilizam LLMs, ferramentas externas, memória contextual e pipelines de decisão para criar aplicações autônomas, observáveis e confiáveis.

Formato

Online

Data de Início

Imediato

Carga Horária

96 h/a

Prazo de Acesso

24 meses

Parcelado

12x no cartão

Pré-requisitos:
Recomendamos ter concluído o Curso gratuito de Python aqui na DSA.

Descrição do Curso

O curso começa explorando como monitorar e diagnosticar sistemas complexos baseados em agentes. Você aprenderá a instrumentar aplicações para rastrear o raciocínio de agentes, medir latência, custo de tokens e taxas de sucesso de tarefas, além de implementar observabilidade completa utilizando ferramentas como LangSmith e Langfuse. Esse tipo de monitoramento é essencial para entender como agentes tomam decisões e identificar gargalos em pipelines de raciocínio.


Em seguida, o curso aprofunda um dos temas mais importantes da engenharia de aplicações com IA: Context Engineering. Você aprenderá como gerenciar memória de curto e longo prazo, otimizar a recuperação de contexto em pipelines RAG, implementar cache semântico e controlar janelas de contexto para reduzir custos e melhorar a precisão das respostas. Essas técnicas são fundamentais para criar agentes que conseguem manter coerência em interações complexas e trabalhar com grandes volumes de informação.

O curso também apresenta os principais design patterns para sistemas multiagentes, incluindo padrões como reflection, planning, supervisor, router e ReAct. Você aprenderá como estruturar sistemas onde múltiplos agentes colaboram, dividem responsabilidades e utilizam ferramentas externas para resolver tarefas complexas. Esses padrões representam hoje algumas das arquiteturas mais utilizadas em aplicações avançadas de IA generativa.

Por fim, o curso aborda práticas modernas de engenharia de confiabilidade para sistemas baseados em LLMs, incluindo evaluation-driven development, criação de golden datasets, testes automatizados, detecção de drift e implementação de governança de IA. Nos projetos práticos, você construirá uma arquitetura multiagente para análise de inteligência competitiva e uma plataforma completa de governança e confiabilidade para aplicações com IA, aplicando na prática os conceitos necessários para desenvolver sistemas inteligentes robustos e prontos para produção.

Projetos

Este curso une teoria e prática na medida certa, com 2 projetos completos. Confira o Logbook das principais atividades práticas do curso:

  • Projeto 1: O Analista de Inteligência Competitiva Autônomo com Arquitetura Multiagente
  • Projeto 2: Plataforma de Governança e Confiabilidade Para Sistemas de IA


Ementa do Curso

Pronto(a) para começar sua jornada de aprendizagem profissional?