Destino Dev

Cursos

Integração com OpenAI e LLMs: Fundamentos Práticos

Código do curso: github.com/johnpires/integracao-openai-llms-fundamentos-praticos

Aprenda a integrar modelos de linguagem da OpenAI e outros provedores de LLMs nas suas aplicações Python. Este curso cobre desde os conceitos fundamentais de como funcionam os Large Language Models até a implementação prática de sistemas que utilizam a API da OpenAI para geração de texto, embeddings, classificação e muito mais. Você vai entender a arquitetura por trás dos modelos GPT, como funcionam tokens, prompts e completions, e como utilizar técnicas de prompt engineering para obter resultados consistentes e de alta qualidade. O curso também aborda boas práticas de custo, rate limiting, tratamento de erros e estratégias de cache para aplicações em produção. Ao final do curso, você terá construído um assistente virtual completo com memória de conversação, RAG usando embeddings e busca vetorial, e uma API REST servindo o modelo.

Conteúdo do curso

Módulo 1: Fundamentos de LLMs e a API da OpenAI

  1. O que são Large Language Models (LLMs)?
  2. Configurando o Ambiente: Python, pip e a Biblioteca openai
  3. Sua Primeira Chamada à API: Chat Completions
  4. Modelos Disponíveis: GPT-4, GPT-4 Turbo e GPT-3.5
  5. Tokens, Contexto e Limites de Janela
  6. Tratamento de Erros e Boas Práticas de Requisição

Módulo 2: Prompt Engineering e Técnicas Avançadas de Prompts

  1. Fundamentos de Prompt Engineering
  2. Zero-Shot, Few-Shot e Chain-of-Thought
  3. System Prompts e Controle de Comportamento
  4. Templates de Prompt com Jinja2 e f-strings
  5. Function Calling e Tool Use
  6. Structured Output: JSON Mode
  7. Avaliação e Testes de Prompts

Módulo 3: Embeddings, Busca Vetorial e RAG

  1. O que são Embeddings e Para que Servem
  2. Gerando Embeddings com OpenAI
  3. Bancos de Dados Vetoriais: ChromaDB e FAISS
  4. Similaridade de Cosseno e Busca Semântica
  5. Implementando RAG: Retrieval-Augmented Generation
  6. Chunking e Otimização

Módulo 4: Produção: Cache, Custos e Boas Práticas

  1. Gerenciamento de Custos e Monitoramento
  2. Cache com Redis
  3. Rate Limiting e Retry
  4. Streaming de Respostas
  5. Segurança: Sanitização e Prompt Injection
  6. Logging e Observabilidade

Módulo 5: Projeto Final: Assistente Virtual com RAG

  1. Arquitetura do Projeto: Visão Geral
  2. Ingestão e Processamento
  3. Pipeline RAG com FastAPI
  4. Memória de Conversação
  5. API REST e WebSocket
  6. Testes, Deploy e Conclusão