🚀 Pathbit Academy AI

Conteúdos sobre inteligência artificial publicados pela Pathbit.

---

📚 Artigos Disponíveis

0001 - LLM vs LRM

Ano: 2025 | Categoria: Inteligência Artificial / Modelos de Linguagem

Explora as diferenças entre LLM (Large Language Models) e LRM (Large Reasoning Models), cobrindo conceitos, casos de uso, vantagens e limitações. Inclui exemplos práticos, código em Python e comparações de desempenho.

📖 Ler Artigo | 🔧 Executar Localmente

---

0002 - Embeddings e Vetorização

Ano: 2025 | Categoria: Inteligência Artificial / Embeddings e Vetorização

Explora Embeddings e Vetorização, fundamentais para que a IA entenda e processe texto de forma eficiente. Cobrimos conceitos teóricos, implementações práticas, diferentes tipos de embeddings e casos de uso reais. Inclui exemplos práticos, código em Python e comparações de performance entre diferentes modelos.

📖 Ler Artigo | 🔧 Executar Localmente

---

0003 - RAG e Vector Database

Ano: 2025 | Categoria: Inteligência Artificial / RAG e Vector Databases

Explora RAG (Retrieval Augmented Generation) e Vector Databases, tecnologias fundamentais para construir sistemas de IA que acessam informações específicas e atualizadas. Cobrimos conceitos teóricos, implementações práticas, diferentes tipos de vector databases e casos de uso reais. Inclui exemplos práticos, código em Python e comparações de performance entre diferentes abordagens.

📖 Ler Artigo | 🔧 Executar Localmente

---

0004 - RAG vs Fine-Tuning

Ano: 2025 | Categoria: Inteligência Artificial / RAG vs Fine-Tuning

Explora as diferenças entre RAG e Fine-Tuning, ajudando você a escolher a abordagem certa para seu projeto de IA. Cobrimos comparações técnicas, análise de custos, casos práticos de sucesso e fracasso, e quando usar cada estratégia. Inclui fine-tuning REAL com LoRA, matriz de decisão objetiva e exemplos executáveis em Python com caso de uso de assistente de investimentos.

📖 Ler Artigo | 🔧 Executar Localmente

---

0005 - Prompt Engineering Avançado

Ano: 2026 | Categoria: Inteligência Artificial / Prompt Engineering

Transforma prompt engineering em um laboratório comparativo entre Qwen e FLAN, medindo estrutura, keywords, prioridade e semântica para separar ganho de prompt de ganho de modelo.

📖 Ler Artigo | 🔧 Executar Localmente

---

0006 - LLM Evals e Regressão

Ano: 2026 | Categoria: Inteligência Artificial / Avaliação de LLM

Mostra uma esteira de evals que compara candidatos completos, pondera criticidade, detecta regressões por caso e explicita quando o melhor score ainda não é suficiente para liberar deploy.

📖 Ler Artigo | 🔧 Executar Localmente

---

0007 - Agentes e Tool Calling

Ano: 2026 | Categoria: Inteligência Artificial / Agentes

Apresenta um agente local com guardrail, regra de negócio, planner JSON, roteamento semântico, retrieval e trilha de auditoria para operar com autonomia sem perder controle.

📖 Ler Artigo | 🔧 Executar Localmente

---

📖 Documentação

🔧 Soluções para Problemas Comuns

• Erro do Google Colab - Resolução do erro ModuleNotFoundError: No module named 'google'
• Erro do Groq - Resolução do erro TypeError: Client.__init__() got an unexpected keyword argument 'proxies'
• Atualizações de Versões - Histórico de atualizações dos pacotes

📁 Estrutura do Projeto

pathbit-academy-ai/
├── README.md                          # Este arquivo
├── docs/                              # Documentação técnica
│   ├── SOLUCAO_ERRO_COLAB.md
│   ├── SOLUCAO_ERRO_GROQ.md
│   └── ATUALIZACOES_VERSOES.md
├── 0001_llm_x_lrm/                    # Artigo 0001
│   ├── README.md
│   ├── requirements.txt
│   ├── article/
│   ├── assets/
│   ├── notebooks/
│   └── src/
├── 0002_embeddings_vetorizacao/       # Artigo 0002
│   ├── README.md
│   ├── requirements.txt
│   ├── article/
│   ├── assets/
│   ├── notebooks/
│   └── src/
├── 0003_rag_vector_database/          # Artigo 0003
│   ├── README.md
│   ├── requirements.txt
│   ├── article/
│   ├── assets/
│   ├── notebooks/
│   └── src/
├── 0004_rag_vs_finetuning/            # Artigo 0004
│   ├── README.md
│   ├── requirements.txt
│   ├── article/
│   ├── assets/
│   ├── notebooks/
│   └── src/
├── 0005_prompt_engineering_avancado/  # Artigo 0005
│   ├── README.md
│   ├── requirements.txt
│   ├── article/
│   ├── assets/
│   ├── notebooks/
│   └── src/
├── 0006_llm_evals_regressao/          # Artigo 0006
│   ├── README.md
│   ├── requirements.txt
│   ├── article/
│   ├── assets/
│   ├── notebooks/
│   └── src/
└── 0007_agentes_tool_calling/         # Artigo 0007
    ├── README.md
    ├── requirements.txt
    ├── article/
    ├── assets/
    ├── notebooks/
    └── src/

---

📋 Pré-requisitos Gerais do Ambiente

Para executar os artigos e notebooks da Pathbit Academy AI, recomendamos a seguinte configuração de ambiente:

1. Python 3.10 ou superior:

   • O projeto é compatível com Python 3.10 até Python 3.14.
   • Caso precise instalar o Python:
     • macOS: Instale via Homebrew com brew install python ou pyenv com pyenv install 3.12.
     • Linux (Ubuntu/Debian): sudo apt update && sudo apt install -y python3 python3-venv python3-pip.
     • Windows: Instale via terminal com winget install Python.Python.3.12 ou baixe pelo instalador oficial em python.org.
   • Sempre utilize um ambiente virtual isolado por artigo:

     python3 -m venv .venv
     source .venv/bin/activate  # No Windows: .venv\Scripts\Activate.ps1
     pip install --upgrade pip
     pip install -r requirements.txt

2. Contas e Chaves de API Gratuitas:

   • Groq Cloud (Artigos 0001 a 0004):
     • Crie uma conta gratuita em console.groq.com/keys.
     • Gere uma chave de API com prefixo gsk_....
     • Defina no terminal com export GROQ_API_KEY="gsk_..." (ou $env:GROQ_API_KEY="gsk_..." no PowerShell).
   • Hugging Face (Artigos 0002 a 0007):
     • Acesso a modelos públicos e abertos baixados automaticamente pela biblioteca transformers ou sentence-transformers, sem necessidade de chave de API ou cobranças.

---

🛠️ Como Contribuir

1. Clone o repositório
2. Crie uma nova pasta para seu artigo seguindo o padrão XXXX_titulo_do_artigo
3. Siga a estrutura de pastas estabelecida
4. Adicione seu artigo à lista acima

📋 Estrutura Padrão dos Artigos

XXXX_titulo_do_artigo/
├── README.md                    # Instruções de execução e resumo
├── requirements.txt             # Dependências Python
├── article/
│   └── ARTICLE.md              # Conteúdo do artigo
├── assets/                     # Imagens e diagramas
├── notebooks/                  # Jupyter Notebooks interativos
└── src/
    └── main.py                 # Script para execução local

---

Desenvolvido com ❤️ pela Pathbit