Do Zero a 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. Estava colecionando 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 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." 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 assume 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 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 usará 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 de Fluência em IA 4D. 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 baixo desempenho, 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-se ao que você construiu com Karpathy

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

1. Quantização - execute modelos localmente (conecta-se à 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 multi-agente, 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 lê seu vault do Obsidian, verifica a web por atualizações sobre tópicos que você está estudando e gera 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)

Implante (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 fazê-lo 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 em 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

A IA se move rápido. Aqui está o ritual semanal para se manter à frente após 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 para Aplicativos LLM"

Repositórios do GitHub

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

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

• microsoft/AI-For-Beginners - 35K★ - 24 lições de 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 de agentes de IA

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

Ferramentas (Gratuitas)

• Ollama + Open WebUI - execute modelos localmente, alternativa auto-hospedada ao ChatGPT

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

• Hugging Face Course (2026) - especialmente as 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 aprenderão 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 construo agentes de IA por diversão e todo o custo 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