Conteúdo Programático curso Engenharia de Prompt Versão para SILP, turma anterior: https://silp.com.br/curso-dominando-o-chatgpt-tire-o-maximo-de-proveito-da-inteligencia-artificial-sem-ser-de-ti/ Mudanças e atualizações no conteúdo programático, em relação à turma anterior. Conteúdo programático: Introdução ao ChatGPT Relevância, contexto e ganhos de produtividade com chatGPT Superando obstáculos iniciais e frustrações

Got it! I’ll conduct an in-depth research on the technical architecture of Manus AI, focusing on officially disclosed details while incorporating credible expert discussions. The report will include: Architecture: How Manus AI is structured and designed LLMs Used: Specific models like Claude Sonnet and any other integrated LLMs Multi-Agent Management: How it coordinates AI agents Toolchain & Infrastructure: Dependencies, integrations (e.g., E2B runtime), and technical tools Reproduction Possibility: Steps and requirements to replicate the setup based on available details Sources & Verification: Clearly cited official sources and community insights marked as unverified I’ll let you know once the research is ready!

Gerado pela versão paga do Deep Research da OpenAI (15min, 53 fontes analisadas). Ótimos resultados, especialmente a seção sobre TDD com LLMs. I will conduct an in-depth research report on best practices and techniques for LLM-assisted programming, focusing on Python development within both generic IDEs (such as VS Code) and specialized LLM-based editors (Cursor, Aider, Windsurf, Cline, and others with free-tier options). The report will: Analyze effective techniques for LLM-assisted coding, including code generation, debugging, autocompletion, and refactoring. Evaluate these LLM-integrated code editors based on ease of learning, productivity, and overall enjoyment from a programmer's perspective. Include recommendations on the most suitable tools for different programming scenarios. Cover practical insights and actionable steps for integrating LLMs into development workflows, especially in data science and automation.

Tivemos uma mesa redonda sobre Inteligência Artificial na Educação, na Semana de Inovação, presencialmente na Enap, às 14h de 30/10: https://semanadeinovacao.enap.gov.br/index.php/pt/programacao Seguem os temas que pretendi abordar. O Sonho da Educação Ideal O que seria uma educação perfeita? Ao refletir sobre os melhores momentos de nossa própria trajetória educacional, ou ao considerar o que imaginamos como circunstâncias ideais de aprendizagem, uma imagem comum emerge: um tutor dedicado, especialista na área, com vasta experiência didática e infinita paciência para se adaptar às nossas necessidades, características e preferências. Historicamente, essa experiência educacional privilegiada foi reservada a poucos. Alexandre Magno e John Stuart Mill são exemplos notáveis de personalidades que tiveram acesso a uma educação baseada em interações intensas com tutores excepcionais. Mas seria possível democratizar essa educação de reis e filósofos?

foto_frente_paleto_TCU

Texto da release para divulgação do Deduz.ai IA responde a perguntas sobre Imposto de Renda Desenvolvemos uma Inteligência Artificial no estado da arte, para responder a perguntas específicas que a população tenha sobre Imposto de Renda de Pessoa Física, formuladas em linguagem comum por pessoas sem conhecimento específico dos conceitos e vocabulário técnico tributário, com alta precisão nas respostas, baseado na legislação e normativos da Receita Federal. Já existem diversas fontes de perguntas e respostas validadas por especialistas, mas elas tendem a ser genéricas, formuladas de uma forma de difícil compreensão pelo contribuinte médio e requer longa pesquisa antes de encontrar uma resposta minimamente similar à dúvida do usuário. Utilizando nossa ferramenta de IA, o usuário consegue descrever seu caso específico, em sua própria linguagem, e cabe à IA entender essa necessidade de informação, pesquisar nas fontes oficiais os posicionamentos mais relevantes da Receita sobre o tema e construir a resposta mais precisa e apropriada à descrição da dúvida, de forma quase instantânea e gratuita! [funcionalidades, gratuidade, qualidade: mencionar que as respostas não são garantidamente corretas, dada a incerteza sobre a descrição do problema por parte do usuário leigo e do caráter probabilístico do modelo que pode cometer erros de interpretação e raciocínio sobre as normas. Futuras versões trarão a referência ao normativo que embasa a resposta, assim como a possibilidade de refinar a descrição da dúvida de forma interativa com a IA, incluindo com o usuário respondendo a questões de esclarecimento geradas pela IA] Comparação com chatGPT Seguem respostas do deduz.ai e do chatGPT a uma mesma pergunta sobre IRPF 2023, para ilustrar a maior especificidade e confiabilidade das respostas do deduz.ai:

CURSO MACHINE LEARNING EM PROJETOS Esse é o site básico de descrição do curso, reservado para os alunos inscritos. O material do curso, com as transparências, cadernos jupyter e atividades se encontram no site próprio da turma (seja Google ClassRoom ou Moodle). Em caso de problema ou dúvida, mande uma mensagem pelo WhatsApp no grupo do curso, para o qual todos os alunos inscritos serão convidados! Atividades prévias ao início das aulas Abaixo duas sugestões que podem melhorar seu aproveitamento do curso: 1. Verifique seu domínio de python e pandas

Oficina oferecida na terceira edição do ExpoJud: Congresso sobre a Revolução Exponencial do Ecossistema de Justiça. Data: quinta-feira, 15/10, das 13:30 às 16hs Links da Oficina Cadernos Jupyter a serem executados no Google Colaboratory: Introdução ML: https://drive.google.com/file/d/1m_FtQV8Av_WGg8iP8Y1PUfoaRXSulczr/view?usp=sharing Introdução NLP: https://drive.google.com/file/d/1FnA0cZghpMWwGJZ2FZ9JG06OLKKEs7du/view?usp=sharing

Essa página procura colacionar fontes de dados primários confiáveis para monitoramento e modelagem da crise epidêmica do coronavírus, apoiando-se em contribuições de cientistas de dados voluntários. Acreditamos que a colaboração entre voluntários pode trazer mais transparência aos dados disponíveis e maior confiabilidade aos modelos preditivos submetidos ao escrutínio público. A falta de transparência quanto aos dados e modelos preditivos empregados pelo Estado multiplica as incertezas da própria epidemia, o que só aumenta a insegurança geral quanto à adequação da resposta governamental. Alegam querer proteger a sociedade do pânico, mas o atual gargalo informacional confiável só aumenta a incerteza, permitindo a veiculação de boatos e fake news. Precisamos de um relato isento e competente sobre os modelos preditivos já produzidos, garantindo a publicidade dos dados subjacentes para que a sociedade possa tomar decisões esclarecidas e avaliar as ações governamentais. CONTRIBUIÇÕES: Todo esse site é livrement editável por todo interessado. Caso identifique uma fonte relevante, basta clicar no botão "edit" no topo da página e inserir a referência na seção adequada. Colaborando abertamente dessa forma, acreditamos que melhoraremos a qualidade das informações disponíveis para combater a crise

# Seminário sobre Processamento de Texto (NLP) Evento realizado no auditório do ISC em Brasília, em 2/12/2019, das 9h às 12h30. Link para gravação vídeo: https://www.youtube.com/watch?v=T9f1v5TOYCw ## Apresentações Fernando Melo, Senado Federal: Análise de Sentimentos com ULMFiT sobre avaliações de clientes das Americanas.com: https://drive.google.com/open?id=1VyoRjOddSCnLytarl9AlaPLXMy4iCJ8M Pekka Horttanainem, ANAC: ULMFiT em classificação multilabel de reclamações da Anac: https://docs.go