Do Zero ao Engenheiro de IA - O Roadmap

O Erro de $300/mês

Há seis meses, eu pagava $49/mês pelo Coursera Plus, $39/mês pelo DataCamp e tinha gasto $199 em dois pacotes da Udemy. Eu colecionava certificados como se fossem cartas de Pokémon e não conseguia construir nada do zero.

Foi então que encontrei algo que mudou tudo: as empresas que realmente constroem IA — Google, Anthropic, OpenAI — começaram a oferecer seus treinamentos de graça. Nada de vídeos introdutórios superficiais. Cursos completos com certificados. Enquanto isso, o GitHub tinha repositórios com mais de 95.000 estrelas que ensinavam melhor do que qualquer curso que eu tinha pago.

Cancelei todas as assinaturas. Construí um agente de IA que gerencia minha rotina matinal. E fiz tudo isso por $0.

Este artigo é o sistema exato que eu gostaria de ter quando comecei. Não é uma lista de links. Não é "30 recursos que você nunca vai abrir". Este é um caminho passo a passo: faça isso primeiro, depois isso, depois construa isso. Siga na ordem. Em 14 semanas, você vai sair do zero até implantar sistemas de IA reais.

Como Usar Este Guia

Regra 1: Não pule etapas. O Passo 3 presume que você fez o Passo 2. Se você pular para LLMs sem entender gradientes, estará copiando código que não entende.

Regra 2: Faça anotações. Eu uso o Obsidian (gratuito, local, markdown). Após cada sessão, anote três coisas: o que você aprendeu, o que te surpreendeu, o que ainda não está claro. Isso não é negociável.

Regra 3: Construa em cada etapa. Cada etapa termina com um checkpoint. Se você não conseguir fazer, volte.

Configure esta estrutura de pastas no Obsidian antes de começar:

Passo 1: Configure Seu Ambiente (Dia 1)

Antes de aprender qualquer coisa, configure suas ferramentas. Uma noite. Não pense demais.

Instale Suas Ferramentas

1. Python 3.11+ - python.org/downloads. Marque "Adicionar ao PATH".

1. VS Code - code.visualstudio.com. Instale a extensão Python.

1. Git + GitHub - github.com. Para fazer fork de repositórios e salvar projetos.

1. Obsidian - obsidian.md. Crie a estrutura de pastas acima.

1. Ollama - ollama.com. Para executar modelos localmente. Instale agora, você vai usar a partir do Passo 4.

Crie Suas Contas Gratuitas

1. Anthropic Academy - anthropic.skilljar.com. 16 cursos gratuitos com certificados. A plataforma de aprendizado de IA mais subestimada em 2026.

1. OpenAI Academy - academy.openai.com. Workshops gratuitos, tutoriais, curso AI Foundations.

1. Google AI - grow.google/ai. Certificado Profissional Google AI — 7 módulos, gratuito via auditoria do Coursera.

1. Coursera - coursera.org. Modo auditoria = gratuito. Para o Certificado ML da IBM e cursos do Google.

Modo Auditoria no Coursera

Quando o Coursera pedir para você pagar, procure o pequeno link "Auditar este curso" no final. Acesso completo a todos os vídeos e materiais, de graça. Sem certificado do Coursera, mas você receberá certificados diretamente da Anthropic, OpenAI e Google.

CHECKPOINT:

Python + VS Code + Ollama instalados. Conta no GitHub criada. Vault do Obsidian pronto. Contas na Anthropic Academy, OpenAI Academy, Google AI e Coursera.

Passo 2: Fundamentos de IA - Entenda o Que Você Está Construindo (Semanas 1–2)

Por que isso importa em 2026:

Alfabetização em IA é agora um filtro de contratação. Uma análise do WEF de 2025 descobriu que trabalhadores com conhecimento em IA recebem prêmios salariais de 15–22%. Entender os fundamentos coloca você à frente de 90% dos candidatos.

Semana 1: O Panorama Geral

Primeiro → Certificado Profissional Google AI (Módulos 1–3)

grow.google/ai-professional - A rampa de acesso mais suave. Sem código. Aborda: o que é IA, brainstorming com IA, pesquisa com IA. Dá a você o vocabulário.

Depois → Anthropic Academy: AI Fluency: Framework & Foundations

anthropic.skilljar.com - O Framework 4D de Fluência em IA. Co-desenvolvido com professores universitários. Leva 2–3 horas. Este é um dos melhores cursos introdutórios disponíveis em qualquer lugar em 2026, e o certificado realmente fica bem no LinkedIn — é da Anthropic, a empresa por trás do Claude.

Semana 2: Primeiro Código + Primeiros Conceitos

Depois → microsoft/generative-ai-for-beginners (Lições 1–6)

github.com/microsoft/generative-ai-for-beginners - Mais de 95.000 estrelas. 21 lições. Faça fork deste repositório e trabalhe nas lições 1–6: o que é GenAI, como LLMs funcionam, uso de prompts, primeiro aplicativo de chat.

CHECKPOINT:

Você consegue explicar LLMs, tokens e transformers com suas próprias palavras. Primeiros Jupyter notebooks executados. O Obsidian tem 4–6 anotações.

Passo 3: Fundamentos de ML - Aprenda a Matemática por Trás da Mágica (Semanas 3–5)

Por que isso importa em 2026:

Fundamentos de ML são a diferença entre alguém que copia tutoriais e alguém que depura modelos. Empresas pagam $150K+ por engenheiros que entendem por que um modelo tem desempenho inferior, não apenas como chamar uma API.

Principal: microsoft/ML-For-Beginners

github.com/microsoft/ML-For-Beginners - Mais de 44.900 estrelas. Currículo de 12 semanas: regressão, classificação, clustering, fundamentos de PLN. Questionários, notebooks, desafios. Comprimimos para 3 semanas com 2 lições/dia.

Paralelo: IBM Machine Learning no Coursera

coursera.org/professional-certificates/ibm-machine-learning - Modo auditoria gratuito. Formato de vídeo mais tradicional. Use junto com o repositório da Microsoft — dois ângulos sobre o mesmo tópico = melhor retenção.

Referência de Matemática: mlabonne/llm-course (Fundamentos)

github.com/mlabonne/llm-course — Mais de 40K estrelas. Primeira seção: álgebra linear, cálculo, probabilidade. Apenas a matemática relevante para ML. Consulte sempre que encontrar algo desconhecido.

Projeto da Semana 5: Escolha um conjunto de dados do repositório da Microsoft. Construa seu próprio modelo de classificação do zero. Envie para o GitHub.

CHECKPOINT:

Você entende regressão, classificação, clustering, gradiente descendente, funções de perda, overfitting. Você treinou um modelo em dados reais. Um projeto no GitHub.

Passo 4: Deep Learning & Redes Neurais - Construa do Zero (Semanas 6–8)

Principal: karpathy/nn-zero-to-hero

karpathy.ai/zero-to-hero.html (vídeos) + github.com/karpathy/nn-zero-to-hero (código)

Andrej Karpathy, ex-Diretor de IA na Tesla, co-fundador da OpenAI. Ele constrói redes neurais do zero absoluto — sem frameworks, apenas Python e matemática. Você constrói: micrograd, makemore e nanoGPT.

1. Semana 6: Aulas 1–3 (micrograd + makemore). Codifique junto. Pause, digite cada linha, execute, quebre.

1. Semana 7: Aulas 4–5 (ativações, BatchNorm, backprop). Densas — uma aula por dia. Anotações detalhadas.

1. Semana 8: Aulas 6–7 (GPT do zero + tokenização). A recompensa: você constrói um transformer.

Experimento paralelo com Ollama:

Enquanto você constrói o nanoGPT, execute ollama run llama3.2:3b em outro terminal. Compare a saída do seu modelo "de brinquedo" com um modelo real de 3B parâmetros. Isso preenche a lacuna entre "eu entendo a teoria" e "eu consigo executar modelos localmente". É revelador ver o que 3 bilhões de parâmetros vs. seus 10 milhões fazem com a qualidade da saída.

Suplemento: microsoft/AI-For-Beginners (Deep Learning)

github.com/microsoft/AI-For-Beginners - Semanas 7–12: CNNs, RNNs. Expande além do Karpathy, especialmente para visão computacional.

Ponte para APIs: Anthropic Academy - Building with the Claude API

anthropic.skilljar.com - Agora que você entende modelos por dentro, aprenda a usá-los via API. Aborda autenticação, prompts de sistema, uso de ferramentas, streaming. A ponte da teoria para o produto.

CHECKPOINT:

Você construiu uma rede neural do zero. Você entende backprop, atenção, transformers. Você consegue explicar como o GPT funciona. Você consegue executar modelos localmente com Ollama. Você conhece a API do Claude.

Passo 5: LLMs & Engenharia de Prompt - Trabalhe com Modelos Reais (Semanas 9–10)

Aprofundamento: mlabonne/llm-course (Trilha LLM Scientist)

github.com/mlabonne/llm-course - O currículo gratuito de LLM mais abrangente. Notebooks Colab para cada tópico.

1. Arquitetura de LLM - conecta com o que você construiu com Karpathy

1. Fine-tuning (LoRA, QLoRA) - personalize modelos para tarefas específicas

1. Quantização - execute modelos localmente (conecta com sua configuração Ollama)

1. Avaliação - meça se seu modelo é realmente bom

Engenharia de Prompt

OpenAI Academy: academy.openai.com/public/content - "Introdução à Engenharia de Prompt" e "ChatGPT para qualquer função" da equipe que construiu o ChatGPT.

Engenharia de Prompt da Anthropic: docs.anthropic.com - Possivelmente o guia de engenharia de prompt mais bem escrito da internet. Não é um curso — é uma referência profundamente detalhada.

Continuação: microsoft/generative-ai-for-beginners (Lições 7–21)

Volte e termine as lições 7–21. Com conhecimento profundo, essas lições avançadas fazem sentido: RAG, chamada de função, padrões de design, fine-tuning.

Projeto da Semana 10: Construa um RAG sobre suas anotações do Obsidian

Use ChromaDB ou LanceDB (ambos gratuitos, ambos locais) para indexar seu vault AI-Learning. Construa uma ferramenta que responda perguntas sobre tudo que você aprendeu. Você está literalmente construindo um segundo cérebro sobre seu segundo cérebro. Envie para o GitHub.

Passo 6: Agentes de IA - Construa Algo Real (Semanas 11–12)

Principal: microsoft/ai-agents-for-beginners

github.com/microsoft/ai-agents-for-beginners - 12 lições: uso de ferramentas, memória, sistemas multiagente, orquestração.

Aprofundamento: Anthropic Academy - Cursos MCP

anthropic.skilljar.com - "Introdução ao Model Context Protocol" + "MCP: Tópicos Avançados." MCP é o padrão aberto da Anthropic para conectar IA a ferramentas externas — o padrão de 2026 para uso de ferramentas por agentes. Esses cursos ensinam você a construir servidores e clientes MCP do zero.

Framework: LangGraph (por LangChain)

Gaste 2–3 sessões com LangGraph em notebooks Colab gratuitos. É o framework mais popular para construir fluxos de trabalho de agentes com estado e múltiplas etapas. Complementa a abordagem MCP da Anthropic — LangGraph para orquestração, MCP para conexões de ferramentas.

Bônus: Anthropic Cookbook

docs.anthropic.com/en/docs/about-claude/use-case-guides - Os melhores exemplos do mundo real de uso de ferramentas e padrões MCP. Estude-os como estudos de caso.

Projeto Final de Agente:

Construa um agente que use MCP + Claude para trabalhar com seus arquivos locais. Exemplo: um agente que leia seu vault do Obsidian, verifique a web por atualizações sobre tópicos que você está estudando e gere um resumo diário para seu Telegram. Consulte meu artigo "I Built an AI Agent That Manages My Life" para a arquitetura.

CHECKPOINT:

Você construiu um agente de IA funcional com MCP. Você entende arquitetura de agentes, uso de ferramentas e fluxos de trabalho de múltiplas etapas. Seu portfólio cresce.

Passo 7: Produção, Portfólio & IA Responsável (Semanas 13–14)

Implantação (tudo gratuito)

Pegue seu melhor projeto e implante-o:

1. Gradio + Hugging Face Spaces - a maneira mais rápida de compartilhar uma demonstração de ML. Hospedagem gratuita.

1. Streamlit Community Cloud - para aplicativos focados em dados. Nível gratuito.

1. Vercel - para ferramentas de IA baseadas na web. Nível gratuito.

Avalie Seus Modelos

Um modelo implantado sem avaliação é um risco. Aprenda a medir qualidade:

1. DeepEval - framework de código aberto para avaliação de LLM.

1. RAGAS - especificamente para avaliar pipelines RAG (seu RAG do Obsidian do Passo 5).

1. LLM-como-Juiz - usar um LLM para avaliar as saídas de outro. Claude é excelente para isso.

IA Responsável & Segurança

É aqui que 90% dos guias gratuitos falham. Eles ensinam você a construir, mas não a construir com responsabilidade.

1. IA Constitucional - entenda como os modelos modernos são alinhados. A abordagem central da Anthropic.

1. Defesa contra injeção de prompt - como proteger seus aplicativos de entradas adversárias.

1. Red-teaming - como testar a resistência de seus próprios sistemas antes dos usuários.

Recursos: Guia oficial de segurança da Anthropic + o curso de IA Responsável na Anthropic Academy.

Portfólio & Carreira

Seu perfil no GitHub É seu currículo em IA. Veja como fazer valer a pena:

1. README do GitHub - README de perfil profissional + READMEs de projeto com diagramas de arquitetura e links para demonstrações ao vivo.

1. Casos no LinkedIn - escreva 2–3 estudos de caso curtos sobre seus projetos. Qual problema, o que você construiu, o que aprendeu.

1. Trilhas de carreira - Engenheiro de IA Júnior ($80–120K) → Engenheiro de Prompt/Agente ($120–180K) → Engenheiro de Produto de IA ($150–250K).

O Projeto Final:

Construa um agente de IA de nível de produção que resolva um problema real na sua vida. Implantado. Com um sistema de avaliação. Com verificações de segurança. Isso é o que você mostra aos empregadores. Isso é sobre o que você twitta. Isso é a prova.

CHECKPOINT:

Você tem um sistema de IA implantado, avaliado e verificado quanto à segurança. Perfil profissional no GitHub. Estudos de caso no LinkedIn. Você está pronto para o mercado de trabalho.

Modo de Manutenção: Como se Manter Atualizado

IA avança rápido. Aqui está o ritual semanal para ficar à frente depois de terminar o roteiro:

1. Segunda-feira: Verifique as notas de lançamento da Anthropic, OpenAI e Google. 10 minutos.

1. Quarta-feira: Navegue pelo arxiv-sanity-lite em busca de artigos interessantes. Leia 1 resumo. 15 minutos.

1. Sexta-feira: Assista a um vídeo do Yannic Kilcher ou 1littlecoder sobre um novo artigo/ferramenta. 20 minutos.

1. Mensalmente: Construa um pequeno projeto com uma nova ferramenta ou técnica. Envie para o GitHub.

Tempo total: ~1 hora/semana. Isso mantém você entre os 10% melhores profissionais de IA.

Como Isso se Compara

Comparação honesta entre este roteiro e as alternativas:

Lista Completa de Recursos

Cursos Gratuitos (com certificados)

• Anthropic Academy - anthropic.skilljar.com - 16 cursos, certificados gratuitos

• OpenAI Academy - academy.openai.com - workshops, tutoriais, AI Foundations

• Certificado Profissional Google AI - grow.google/ai - 7 módulos

• IBM ML no Coursera - modo auditoria gratuito - certificado ML completo

• NVIDIA DLI - developer.nvidia.com/training - GPU & deep learning

• DeepLearning.AI - Cursos curtos de Andrew Ng, especialmente "Agentic AI" e "LangChain for LLM Apps"

Repositórios GitHub

• microsoft/generative-ai-for-beginners - 95K★ - 21 lições GenAI

• microsoft/ML-For-Beginners - 45K★ - 12 semanas ML clássico

• microsoft/AI-For-Beginners - 35K★ - 24 lições deep learning & CV

• karpathy/nn-zero-to-hero - redes neurais do zero por Andrej Karpathy

• mlabonne/llm-course - 40K★ - roteiro completo de LLM + Colab

• microsoft/ai-agents-for-beginners - 12 lições agentes de IA

• ashishpatel26/500-AI-ML-DL-Projects - 500+ ideias de projetos

Ferramentas (Gratuitas)

• Ollama + Open WebUI - execute modelos localmente, alternativa self-hosted ao ChatGPT

• Anthropic Cookbook - docs.anthropic.com - melhores exemplos de uso de ferramentas e MCP

• Hugging Face Course (2026) - especialmente seções de Agentes e Avaliação

• ChromaDB / LanceDB - bancos de dados vetoriais locais gratuitos para projetos RAG

YouTube (Gratuito)

• Andrej Karpathy - Neural Networks: Zero to Hero

• 3Blue1Brown - redes neurais e álgebra linear visualizadas

• Yannic Kilcher - análises de artigos de IA

• 1littlecoder - ferramentas e implementações de IA mais recentes (foco em 2026)

• Matt Wolfe - notícias e análises de ferramentas de IA

Comece Hoje à Noite

Aqui está exatamente o que fazer nos próximos 60 minutos:

1. Instale o Obsidian e crie o vault AI-Learning. 5 minutos.

1. Cadastre-se na Anthropic Academy. Comece AI Fluency. Assista ao primeiro módulo. Escreva a primeira anotação. 30 minutos.

1. Faça fork do microsoft/generative-ai-for-beginners no GitHub. Abra a Lição 1. Leia. 20 minutos.

É isso. Três coisas. Hoje à noite.

As pessoas que realmente vão aprender IA em 2026 não são aquelas que salvam 50 artigos nos favoritos. São aquelas que abrem um terminal e começam.

Eu comecei pagando $300/mês por cursos que me ensinaram a copiar e colar código que eu não entendia. Hoje eu construo agentes de IA por diversão e o custo total da educação foi $0. Os recursos estão bem ali. A única questão é se você vai começar.

inscreva-se no meu tg <3 - https://t.me/+y1dBeWEIm_plMGNi