Seu roteiro de aprendizado de IA: 46 tópicos, em ordem, um por semana

Se você quer aprender IA em 2026 e não tem a menor ideia de por onde começar, esta página é para você.

A internet está cheia de conselhos sobre IA. A maioria deles se encaixa em uma destas categorias:

1. Um discurso de vendas para um curso de R$ 10.000
2. Uma lista de 100 links sem nenhuma ordem
3. Um livro de nível de doutorado que te assusta na primeira página
4. Um vídeo de hype sobre AGI que não te ensina nada prático

Você não precisa de nada disso. Você precisa de uma sequência. Você precisa saber o que aprender primeiro, o que se baseia em quê, o que pode pular e até onde ir.

Este roadmap faz exatamente isso. É a ordem que eu recomendo para aprender IA, do iniciante absoluto até alguém que consegue construir e entregar produtos reais de IA. Cada tópico terá um artigo que será publicado aqui, um por semana. Salve esta página nos favoritos. Volte sempre. Os links serão ativados conforme os artigos forem publicados.

Nenhum pré-requisito é assumido. Nenhum diploma de Ciência da Computação é exigido. Nenhum pânico com matemática.

Como funciona

Aqui estão as regras básicas antes de começarmos:

1. Siga os tópicos em ordem. Cada um se baseia no anterior. Pular direto para LLMs na primeira semana é como tentar construir uma casa começando pelo telhado.
2. Um tópico por semana é o ritmo. Isso te dá tempo para ler, programar e realmente construir algo. Ler tutoriais em sequência sem parar não é aprender.
3. Faça o exercício prático de cada artigo. Ler sobre redes neurais sem escrever uma é como ler sobre natação sem entrar na água.
4. Você não precisa ir até o final. Se você só quer alfabetização em IA, pare após a Fase 3. Se quer construir aplicativos com LLM, vá até a Fase 9. Você decide.
5. Duração total da série completa: ~107.000 palavras. Parece longo, mas é mais curto que a média de um livro didático, e cada artigo é independente.

As 12 fases, de relance

São 12 fases, agrupadas do iniciante total ao profissional pronto para produção. Aqui está o panorama geral antes de nos aprofundarmos.

Fase

Área do tópico

Quem precisa

Artigos

0

Mentalidade e orientação

Todos

3

1

Pré-requisitos (Python, matemática, bibliotecas)

Todos que querem construir

4

2

Dados (origem, limpeza, EDA)

Todos que querem construir

5

3

Aprendizado de máquina clássico

Todos

6

4

Fundamentos de aprendizado profundo

Quem for além do ML clássico

5

5

Arquiteturas neurais centrais (CNNs, RNNs, Transformers)

Quem constrói com aprendizado profundo

3

6

PLN e LLMs

A maioria das pessoas em 2026

5

7

Mais domínios de aprendizado profundo (visão, modelos generativos, fala, RL)

Escolha os relevantes para você

4

8

Agentes de IA e aplicações do mundo real

Construtores

3

9

MLOps e produção

Quem entrega produtos reais

4

10

IA responsável e visão geral

Todos

4

11

Manter-se atualizado e especializar-se

Crescimento a longo prazo

5

Você não precisa fazer todos os tópicos das Fases 7 a 11. Após a Fase 6, você pode se ramificar. Mas as Fases 0 a 6 são o núcleo.

Os 3 projetos marco

Em três pontos ao longo do caminho, você construirá um projeto real que integra tudo o que foi aprendido até aquele momento. Estas são as peças do seu portfólio.

Marco

Quando você atinge

O que você constrói

Marco 1

Final da Fase 3

Pipeline de ML tabular ponta a ponta (limpeza de dados + EDA + modelo clássico) - ex: preditor de sobrevivência do Titanic ou modelo de preços de imóveis

Marco 2

Final da Fase 5

Uma rede neural treinada do zero em PyTorch - um classificador de imagens (CNN) ou classificador de texto

Marco 3

Final da Fase 9

Um chatbot RAG com tecnologia LLM implantado, com backend em FastAPI e IU simples, ao vivo na internet

Se você concluir esses três projetos, você não está mais "aprendendo IA". Você sabe fazer IA.

Fase por fase, artigo por artigo

Abaixo está a lista completa. Cada artigo terá um link aqui quando for publicado. Salve esta página e volte para conferir semanalmente.

Fase 0: Mentalidade e Orientação (Comece Aqui)

Semanas 1-3. Todos começam aqui, sem exceções. É aqui que vamos acabar com o hype, definir termos e definir expectativas.

1. Semana 1: IA, ML, Aprendizado Profundo, IA Generativa, AGI: Finalmente, um Guia Que as Distingue - ao vivo agora
2. Semana 2: [Você Deveria Aprender IA em 2026? A Resposta Honesta, Dependendo de Quem Você É] [em breve]
3. Semana 3: [Como Aprender IA Sem Perder um Ano no Inferno dos Tutoriais] [em breve]

Fase 1: Pré-requisitos (A Base Que Você Realmente Precisa)

Semanas 4-7. Você não aprenderá IA sem Python. Mas você não precisa de todo o Python. Abordaremos exatamente o subconjunto necessário, a matemática que você realmente usará e as três bibliotecas que desbloqueiam tudo.

1. Semana 4: Sua Primeira Semana de Python: O Único Subconjunto Que Você Precisa Antes de Tocar em IA [em breve]
2. Semana 5: NumPy, Pandas, Matplotlib: As Três Bibliotecas Que Desbloqueiam Todo Projeto de IA [em breve]
3. Semana 6: A Matemática Que Você Realmente Precisa para IA - Explicada Como Se Você Nunca Tivesse Feito Cálculo [em breve]
4. Semana 7: Antes de Escolher um Modelo, Aprenda a Fazer a Pergunta Certa [em breve]

Fase 2: Dados - O Combustível da IA

Semanas 8-12. 80% do trabalho em IA é trabalho com dados. Esta é a fase que a maioria dos cursos pula, e é a razão pela qual seus alunos falham em projetos reais.

1. Semana 8: Dados São o Novo Petróleo - Mas a Maioria dos Iniciantes Não Sabe Como Eles Realmente São [em breve]
2. Semana 9: Onde Conseguir Dados Reais para Seus Projetos de IA (Sem Pagar Nada) [em breve]
3. Semana 10: Por Que a Limpeza de Dados Consome 80% do Tempo de um Engenheiro de IA - e Como Fazê-la Corretamente [em breve]
4. Semana 11: Análise Exploratória de Dados: A Etapa Que Diz se Seu Projeto Vai Funcionar ou Não [em breve]
5. Semana 12: Engenharia de Atributos: A Arte de Transformar Dados Brutos em Algo Que um Modelo Pode Realmente Aprender [em breve]

Fase 3: Aprendizado de Máquina Clássico

Semanas 13-18. Antes do aprendizado profundo, existia o ML, e a maior parte da IA de produção no mundo real ainda é ML clássico. Você não pode pular isso. Se pular, não entenderá por que o aprendizado profundo é especial, ou quando não usá-lo.

1. Semana 13: Como uma Máquina Realmente "Aprende"? A Ideia Central Por Trás de Todo Modelo de IA [em breve]
2. Semana 14: Seu Primeiro Modelo de Aprendizado de Máquina: Regressão Linear, Explicada Linha por Linha [em breve]
3. Semana 15: Classificando o Mundo: Regressão Logística e as Métricas Que Não Mentem [em breve]
4. Semana 16: A Caixa de Ferramentas de ML Clássico: 5 Algoritmos Que Todo Profissional de IA Deve Saber de Cor [em breve]
5. Semana 17: Por Que Modelos Que Votam Juntos Vencem Juntos: Random Forests, XGBoost e o Poder dos Conjuntos [em breve]
6. Semana 18: Viés, Variância e Por Que Seu Modelo Está Secretamente Trapaceando no Conjunto de Teste [em breve]

🏁 Hora do projeto Marco 1. Construa um pipeline de ML tabular completo de ponta a ponta.

Fase 4: Fundamentos de Aprendizado Profundo

Semanas 19-23. Agora vamos fundo. Começaremos com um único neurônio, construiremos redes neurais completas e aprenderemos por que elas funcionam, por que falham e como fazê-las treinar corretamente.

1. Semana 19: Por Que o Aprendizado Profundo Mudou Tudo - e Quando Você Ainda Deve Usar ML Clássico [em breve]
2. Semana 20: Redes Neurais Explicadas Sem Uma Única Equação (Bem, Quase) [em breve]
3. Semana 21: Retropropagação: O Truque de Cálculo Que Ensina Toda Rede Neural [em breve]
4. Semana 22: Construa Sua Primeira Rede Neural Neste Fim de Semana - em 50 Linhas de PyTorch [em breve]
5. Semana 23: Por Que Sua Rede Neural Não Vai Treinar - e os 7 Truques Que Consertam Quase Tudo [em breve]

Fase 5: Arquiteturas Centrais de Redes Neurais

Semanas 24-26. As três grandes famílias de arquitetura: CNNs para visão, RNNs para histórico de sequências e Transformers - a invenção que mudou tudo em 2017 e alimenta todos os LLMs modernos.

1. Semana 24: Como os Computadores Aprenderam a Ver: Um Guia Visual para Redes Neurais Convolucionais [em breve]
2. Semana 25: A Arquitetura Que Tentou Entender a Linguagem - e Por Que Quase Funcionou: RNNs e LSTMs [em breve]
3. Semana 26: Atenção é Tudo Que Você Precisa: O Artigo de 2017 Que Reescreveu a IA - Explicado em Português Claro [em breve]

🏁 Hora do projeto Marco 2. Treine uma CNN ou um Transformer pequeno do zero em PyTorch.

Fase 6: Processamento de Linguagem Natural e LLMs

Semanas 27-31. Esta é a fase que todo mundo se importa em 2026. Iremos de contagem de palavras até construir seu próprio chatbot RAG.

1. Semana 27: Ensinando Máquinas a Ler: De Saco de Palavras a Embeddings de Palavras [em breve]
2. Semana 28: Antes dos Transformers: Como LSTMs Deram às Máquinas uma Memória (Efêmera) para Linguagem [em breve]
3. Semana 29: BERT, GPT e a Árvore Genealógica dos Transformers: Quem Faz o Quê e Por Quê [em breve]
4. Semana 30: Você Não Precisa Treinar o GPT-4 para Usá-lo: Um Guia Prático para Hugging Face [em breve]
5. Semana 31: Por Dentro de um LLM: Como Modelos em Escala de Chat Realmente Funcionam, do Pré-Treinamento ao RLHF [em breve]

Fase 7: Mais Domínios de Aprendizado Profundo

Semanas 32-35. Escolha os que importam para você. Você não precisa de todos os quatro.

1. Semana 32: Além de 'Gato ou Cachorro': Detecção de Objetos, Segmentação e Como os Vision Transformers Veem o Mundo [em breve]
2. Semana 33: Do Ruído à Arte: Um Tour pela IA Generativa - Autoencoders, GANs e a Revolução da Difusão [em breve]
3. Semana 34: Como as Máquinas Ouvem: De Espectrogramas ao Whisper, a IA Que Transcreve Tudo [em breve]
4. Semana 35: Aprendendo por Tentativa e Erro: Aprendizado por Reforço de Tabelas Q ao PPO [em breve]

Fase 8: Agentes de IA e Aplicações Avançadas

Semanas 36-38. A fronteira atual em 2026: agentes que usam ferramentas, planejam e agem no mundo.

1. Semana 36: A Próxima Onda da IA: O Que São Agentes, Como Eles Usam Ferramentas e Como Construir Um Nesta Tarde [em breve]
2. Semana 37: Onde a IA Realmente Está Fazendo Diferença Agora: Saúde, Finanças, Ciência e a Fronteira do Mundo Real [em breve]
3. Semana 38: Quando a IA Vê, Ouve e Lê ao Mesmo Tempo: A Ascensão dos Modelos Multimodais [em breve]

Fase 9: Produção, Ferramentas e MLOps

Semanas 39-42. A fase que separa os seguidores de tutoriais das pessoas que realmente entregam produtos de IA. A maioria dos cursos online pula isso completamente.

1. Semana 39: Seu Modelo no Notebook Não é um Produto: O Que Realmente é Necessário para Entregar IA [em breve]
2. Semana 40: MLOps Sem os Chavões Corporativos: Versionamento, Rastreamento e Reprodutibilidade para o Resto de Nós [em breve]
3. Semana 41: Como Implantar um Modelo de IA para Usuários Reais (Sem Esgotamento em DevOps) [em breve]
4. Semana 42: Do RAG à Produção: Construindo Aplicativos LLM Reais Que Não Te Envergonham [em breve]

🏁 Hora do projeto Marco 3. Implante seu chatbot RAG ao vivo.

Fase 10: IA Responsável e o Panorama Geral

Semanas 43-46. IA não é apenas código. Ela toca o mundo real. Você precisa entender viés, segurança, explicabilidade e o contexto mais amplo.

1. Semana 43: Seu Modelo Tem Opiniões: Viés, Justiça e Por Que 'Dados Bons' Nunca São Suficientes [em breve]
2. Semana 44: Criando IA Que Não Vai Quebrar Coisas: Segurança, Alinhamento e o Problema Mais Difícil em IA Agora [em breve]
3. Semana 45: O Problema da Caixa-Preta: Como Explicar Decisões de IA Quando o Próprio Modelo Não Sabe [em breve]
4. Semana 46: IA e o Resto do Mundo: Empregos, Criatividade, Clima e as Perguntas Que Nenhum Tutorial Vai Responder [em breve]

Fase 11: Manter-se Atualizado e Aprofundar-se

Semanas 47+. Aprender IA não termina. Após as 46 semanas principais, aqui está como continuar crescendo.

1. Como Ler um Artigo de IA Sem um PhD (e Realmente Entendê-lo) [em breve]
2. O Portfólio de IA Que Realmente Te Consegue Entrevistas (Não Projetos de Brinquedo Que Ninguém Lê) [em breve]
3. Você Não Está Aprendendo IA Sozinho: As Comunidades, Conferências e Cantos da Internet Que Vale a Pena Participar [em breve]
4. Você Não Pode Aprender Toda a IA - Aqui Está Como Escolher uma Especialização Que Se Adapta a Você [em breve]
5. A Única Habilidade de IA Que Não Estará Obsoleta em 5 Anos: Aprender a Aprender [em breve]

Estimativas aproximadas de tempo

Isto não é uma corrida. A tabela abaixo fornece prazos realistas, dependendo de quanto tempo você tem.

Compromisso de tempo por semana

Tempo para concluir o núcleo (Fases 0-6)

Tempo para concluir todas as 11 fases

5-10 horas (projeto paralelo sério)

~6 meses

~1 ano

10-15 horas (dedicado)

~4 meses

~8 meses

30+ horas (tempo integral)

~6 semanas

~3 meses

Consistência supera a maratona de estudos. 30 minutos por dia, todos os dias, é melhor que 8 horas no domingo e nada no resto da semana.

O que você será capaz de fazer ao final

Se você completar as fases principais (0-6) mais a Fase 9, você será capaz de:

• Diferenciar IA real de hype de marketing
• Escrever código Python para análise de dados e ML
• Limpar, explorar e preparar conjuntos de dados do mundo real
• Construir, treinar, avaliar e ajustar modelos clássicos de ML
• Entender como redes neurais e Transformers funcionam
• Ajustar modelos de linguagem pré-treinados para suas próprias tarefas
• Construir chatbots RAG sobre seus próprios documentos
• Implantar modelos como APIs com FastAPI
• Entregar produtos de IA funcionais
• Ler notícias e artigos de IA com um olhar crítico
• Saber o que você não sabe

Isso é suficiente para conseguir um emprego como engenheiro de ML/IA júnior, construir ferramentas de IA úteis para seu trabalho atual, ou continuar para a pesquisa se isso te interessar.

Como usar esta página

1. Salve nos favoritos. Este é seu índice.
2. Comece pela Semana 1. Não pule.
3. Volte semanalmente. Novos artigos vão ao ar toda semana. Os links aparecerão acima.
4. Faça os exercícios. Ler não é aprender.
5. Construa os três projetos marco. Eles são sua prova de que você realmente consegue fazer isso.

Se você se sentir perdido, volte aqui. O caminho não muda. As ferramentas vão e vêm (novos frameworks, novos modelos, novas startups), mas os fundamentos deste roadmap ainda serão o que importa daqui a cinco anos.

Te vejo na Semana 1.

🔔 Mantenha-se à Frente em IA

Se você está seguindo este roadmap e quer receber ferramentas práticas de IA toda semana enquanto aprende, assine a newsletter gratuita ByteBuilders. Toda edição te dá:

• Mais de 1000 prompts de IA que você pode copiar e usar hoje
• Ferramentas práticas de IA, testadas e explicadas
• Fluxos de trabalho de automação que economizam horas
• Casos de uso de produtividade para trabalho e aprendizado
• Recursos selecionados de IA para manter suas habilidades afiadas

Junte-se a milhares de construtores e aprendizes que seguem este roadmap:

++Assine ByteBuilders grátis →++