Aprenda DevOps,
dados e IA
- 659
- lições
- 7
- documentos
- 141
- lições gratuitas
De um commit a uma infraestrutura que se pode repetir
O curso segue esta cadeia nesta ordem, um módulo por vez. Cada etapa apoia-se na anterior e pratica-se num projeto real.
- 01Git
Versionar, ramificar e fundir sem se perder
- 02Jenkins
Compilar e testar em cada commit
- 03Docker
Empacotar a aplicação com tudo o que precisa
- 04Kubernetes
Implantar, escalar e resistir a uma falha
- 05Terraform
Descrever a infraestrutura para a poder repetir
Cursos completos, módulo a módulo
Cada curso segue um programa real: módulos ordenados, lições autónomas e exercícios com solução. Os primeiros módulos estão abertos a todos.
Desenvolvimento e implementação de soluções de dados
De um desktop vazio até uma aplicação implantada automaticamente, monitorada e reproduzível: Git, Jenkins, Docker, Kubernetes, Helm, Ansible, Terraform e observabilidade.
Aprendizado supervisionado: do zero ao projeto profissional
Um percurso completo e progressivo: do vocabulário básico até o deploy de um modelo em produção. Tipo de problema, preparação de dados, algoritmos de classificação e regressão, métricas e custos de negócio, pipelines anti-vazamento, interpretabilidade, deploy e monitoramento — com dez trabalhos práticos e um projeto final.
Aprendizado supervisionado explicado para crianças: 100 conceitos de IA em palavras simples
Cem perguntas, cem respostas de uma página, sem uma única fórmula: o que é IA, como um computador aprende com o gabarito, os algoritmos, as redes neurais, os grandes modelos de linguagem, os dados e seus vieses, a IA na vida real e as profissões de amanhã. Para crianças — e adultos curiosos que estão começando.
Aprendizado profundo: da intuição à implantação
Das redes neurais aos Transformers: tensores, MLP, propagação direta, gradiente e retropropagação, otimização, inicialização, regularização, depois CNN, RNN/LSTM/GRU, atenção, embeddings e modelos generativos — até a implantação MLOps e ética. Cinco práticas em PyTorch, um projeto final defensável, nove aprofundamentos modernos.
Aprendizado profundo para crianças: neurônios, imagens, texto e muito mais
Sem nenhuma fórmula: como uma rede neural é construída, como ela aprende corrigindo seus erros, como olha para as imagens, ouve os sons, lê a linguagem e cria desenhos. Cada lição cabe em uma página, com um esquema simples e uma atividade sem tela. Para crianças e adultos curiosos que estão começando.
IA agêntica explicada para crianças: agentes que pensam, agem e verificam
Um chatbot responde, um agente age! Descubra como uma IA recebe um objetivo, pensa passo a passo, usa ferramentas, se lembra, verifica seu trabalho e pede permissão quando é arriscado. Cada lição cabe em uma página, com um esquema simples e uma atividade sem tela. Para crianças de 10 a 15 anos e adultos curiosos.
A família Claude: Code, Cowork e Design — o manual prático
O manual prático da família Claude para pessoas desenvolvedoras: comandar o Claude Code direto do terminal, ajustar as permissões, fabricar Skills, delegar aos subagentes, automatizar com ganchos e conectar servidores MCP, além de colaborar no Cowork e prototipar no Design.
Elasticsearch, OpenSearch, Kibana e Neo4j: o laboratório Docker pronto para usar
Um laboratório Docker que inicia em um comando, testado de ponta a ponta, para aprender busca full-text com Elasticsearch e OpenSearch, painéis Kibana e gráficos Neo4j em Cypher — no mesmo conjunto de dados, com cada consulta verificada e uma lição inteira de troubleshooting.
Kubernetes com Docker Desktop: da instalação ao deployment completo
Kubernetes na sua máquina, sem nuvem nem minikube: você ativa o cluster integrado do Docker Desktop e depois aprende Pods, Deployments, Services, Ingress, ConfigMaps, Secrets, volumes, Jobs, autoscaling, Helm e RBAC construindo uma aplicação real. Uma prática guiada completa por módulo, cada comando seguido de sua saída real, e um kit GitHub com todos os manifestos testados.
Monitoramento e observabilidade: Prometheus, Grafana, logs, métricas e alertas
Supervisione uma aplicação rodando na sua máquina com Prometheus, Alertmanager, Grafana, Loki e Alloy em Docker Compose, com uma API instrumentada de ponta a ponta. Métricas, PromQL, painéis de controle, logs correlacionados, alertas realmente recebidos, depois um projeto final. Cada comando seguido de sua saída real, uma prática orientada por módulo, um kit GitHub testado.
7 documentos para descarregar
Trabalhos práticos resolvidos, resumos, programas de curso, conjuntos de dados. À unidade, ou sem limite com a subscrição.
Um percurso pensado por um professor, não montado por um algoritmo
Cada lição foi dada numa sala de aula antes de ser publicada. O que está a ler é o registo de um curso real, corrigido à medida que a tecnologia muda.
Estruturado como um curso a sério
Módulos ordenados, requisitos explícitos, exercícios com a sua solução. Nunca se salta da teoria para a produção sem as três etapas intermédias.
Texto, código e esquemas
Os comandos copiam-se, os esquemas abrem-se em grande, os diagramas Mermaid mantêm-se legíveis e uma pesquisa devolve-o ao ponto exato. Material técnico a sério, não uma apresentação.
Corrigido em cada atualização
O Kubernetes torna uma API obsoleta, o Terraform muda de sintaxe: a lição corrige-se num minuto. É isso que distingue um curso vivo de um que envelheceu antes de ser publicado.