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?
Neste artigo, vamos explorar 8 frameworks Python que permitem que você crie seus próprios aplicativos multiagentes com flexibilidade para diferentes casos de uso. Esses frameworks fornecem soluções simples e rápidas para integrar LLMs com ferramentas externas e fontes de dados, tornando mais fácil a criação de sistemas de IA poderosos e autônomos.
Que Machine Learning está revolucionando o mundo como conhecemos e automatizando as mais variadas tarefas nos mais variados setores, já não é novidade para ninguém. Mas uma área vem colhendo cada vez mais benefícios de aplicações baseadas em Machine Learning: Supply Chain (ou Cadeia de Suprimentos). Neste artigo, vamos listar 10 Aplicações de Machine Learning em Supply Chain.
Neste artigo, vamos explorar o que é re-ranking no contexto de RAG (Retrieval-Augmented Generation), como funciona essa técnica e por que ela é necessária. Também veremos aplicações práticas, seus benefícios e os desafios envolvidos nessa etapa fundamental dos sistemas de busca e geração de respostas.
A adoção do Model Context Protocol (MCP) tem implicações diretas em IA Generativa aplicada a negócios, pois finalmente oferece um caminho padronizado para integrar modelos de linguagem com as ferramentas corporativas e fluxos de trabalho existentes. Este artigo traz o que você precisa saber sobre o assunto.