Este e-book gratuito apresenta uma visão didática sobre os Conceitos Essenciais e as Práticas Profissionais da Engenharia de Dados, conectando fundamentos técnicos, arquiteturas, padrões de projeto e decisões de engenharia adotadas em sistemas modernos orientados a dados. Mais do que estudar ferramentas isoladas, o objetivo deste material é desenvolver um MODELO MENTAL da disciplina.
Então você acha que sabe Git e GitHub? Tem certeza? Este e-book pode deixar você surpreso quando perceber o que realmente pode ser feito com Git e GitHub.
Compreenda as Diferenças entre RPA, IA e Machine Learning, e quando cada tecnologia deve ser aplicada.
Se você está construindo ou usando aplicações baseadas em Modelos de Linguagem de Grande Escala (LLMs), como chatbots, Agentes de IA ou assistentes virtuais, existe uma vulnerabilidade que você precisa entender. Ela não é um bug de código tradicional, mas uma falha inerente ao design atual desses sistemas de IA. Seu nome é Prompt Injection (Injeção de Prompt).
Este e-book é um GUIA PRÁTICO para essa nova forma de trabalhar. É um manual de boas práticas para você adotar SDD no seu dia a dia, com exemplos concretos usando Claude Code (o agente da Anthropic) e outras ferramentas comparáveis. Os princípios valem para qualquer agente moderno; os exemplos específicos focam no Claude Code por ser uma das ferramentas mais maduras em 2026.
Este e-book é um guia prático e didático sobre o Claude Code, a ferramenta de codificação agêntica da Anthropic. Totalmente gratuito e desenvolvido no padrão de qualidade da DSA, o material apresenta uma abordagem estruturada e aplicada para o desenvolvimento assistido por IA cobrindo desde a instalação e configuração inicial até recursos avançados como automação, gerenciamento de permissões, memória, skills, subagentes, MCP e plugins. Ao longo do e-book, você aprende não apenas a utilizar a ferramenta, mas também a compreender fluxos de trabalho, boas práticas e estratégias para integrar IA de forma mais produtiva, segura e profissional no ciclo de desenvolvimento de software.
O novo guia está disponível para todos os alunos atualmente matriculados na Pós e para novos alunos, no Capítulo 9 do Módulo de Pós. Se você já concluiu a Pós pode solicitar o guia pelo canal do Suporte DSA.
Este e-book apresenta os principais design patterns para a construção de agentes autônomos baseados em IA Generativa, com foco em arquitetura, orquestração, confiabilidade e aplicação prática.
Este e-book apresenta a linguagem Python de forma progressiva, partindo dos fundamentos essenciais até recursos modernos utilizados em projetos profissionais. E é totalmente gratuito.
Aplicado à IA, o raciocínio é simples: se modelos ficam mais baratos, rápidos e eficientes, a tendência não é apenas economizar computação. A tendência também é colocar IA em mais produtos, mais processos, mais consultas, mais agentes, mais automações e mais ciclos de experimentação. O custo por tarefa cai, mas o número de tarefas cresce. Em muitos casos, cresce tanto que o consumo total de computação, energia, dados e infraestrutura pode subir. Além, claro, do aumento de produtividade no trabalho.
Preparamos um artigo para ajudar você a compreender o LeWorldModel (LeWM), arquitetura JEPA que consegue ser treinada de ponta a ponta, diretamente a partir de pixels puros, mantendo uma estabilidade impressionante. O grande mérito do LeWM está na sua extrema simplicidade matemática. Confira.
No segundo artigo sobre Modelos Determinísticos e Estocásticos em IA vamos explorar potencial vs. limitações devido à natureza estocástica dos LLMs, porque a aleatoriedade afeta confiabilidade e auditabilidade, como contornar as limitações e problemas dos LLMs e recomendações de uso.
Em Inteligência Artificial (IA), os modelos podem ser divididos em duas categorias fundamentais quanto ao seu comportamento: determinísticos e estocásticos. Esses termos se referem à presença (ou ausência) de aleatoriedade nas respostas geradas. De forma simples e didática: Um modelo determinístico produz sempre o mesmo resultado dadas as mesmas condições, enquanto um modelo estocástico envolve elementos probabilísticos e pode gerar resultados diferentes mesmo sob condições idênticas.
Em termos simples, harness engineering é a prática de projetar o ambiente, as regras, as ferramentas, os fluxos de validação e os mecanismos de controle que fazem um agente trabalhar de forma mais previsível.
Mais do que uma discussão conceitual, este artigo coloca uma pergunta urgente para a era da IA: em um mundo no qual ferramentas, linguagens e frameworks podem se tornar obsoletos em poucos meses, qual perfil profissional permanece realmente sustentável?