Faculdade EAD Live em
Análise e Desenvolvimento de Sistemas: Agentes de IA

Matriz curricular

• Fundamentos do Processamento de Dados

  Introdução à Visualização de Dados e SQL

  • Visualizar dados de um CSV no Google Looker Studio
  • Construir um relatório interativo baseado em dados usando Google Looker Studio
  • Realizar queries SELECT em uma base de dados SQL
  • Extrair informações através de agrupamentos e sumarização (GROUP_BY e ORDER_BY)

  
  Introdução à Programação com Python

  • Criar programas simples em Python usando uma IDE “code playground”
  • Criar programas simples com strings
  • Escrever programas simples com decisão/seleção em Python
  • Escrever programas simples com repetição/iteração e listas em Python

  
  SQL e Modelagem Relacional

  • Projetar modelos relacionais de bases de dados com restrições, incluindo a criação das tabelas necessárias
  • Aplicar regras de normalização em um modelo relacional de dados
  • Manipular objetos em um banco de dados utilizando SQL
  • Fazer agregações entre duas ou mais tabelas em banco de dados

  
  Python para Processamento de Dados

  • Programar funções personalizadas em Python
  • Programar em Python com indexação, fatiamento e métodos avançados para strings
  • Programar decisão/seleção e repetição/iteração com listas em Python
  • Programar em Python com arquivos, sets, dicionários e JSON
  • Encontrar e tratar bugs (erros) em Python

  
  Projeto de Bloco: Fundamentos do Processamento de Dados

  • Entregar um relatório com uma série de exercícios de fundamentação, trazendo a implementação de diversos artefatos de processamento de dados em Python e SQL, assim como os códigos fontes, documentação do processo de desenvolvimento e da modelagem de dados. São usados exercícios desafiadores provenientes de plataformas de mercado.

• Desenvolvimento de Agentes Inteligentes

  Automação Inteligente com Low-Code:

  •  Desenvolver workflows de automação de ponta a ponta na plataforma n8n, integrando gatilhos (triggers), APIs de terceiros e lógica condicional
  • Utilizar “LLM nodes” dentro do n8n para enriquecer fluxos de trabalho com IA, como para categorizar leads, sumarizar e-mails ou extrair informações de textos
  • Manipular estruturas de dados (JSON) entre os nós do n8n para criar automações dinâmicas que se adaptam ao contexto da informação recebida
  • Depurar e monitorar a execução de workflows, implementando rotinas de tratamento de erros para garantir a robustez das automações

  
  Fundamentos de LLMs e Engenharia de Prompt:
  

  •  Experimentar e comparar o comportamento de diferentes LLMs (família GPT, Gemini) usando playgrounds interativos como o Google AI Studio e o ChatGPT Playground
  • Projetar e testar prompts eficazes, aplicando técnicas como “Few-Shot”, “Chain-of-Thought” e “ReAct” para guiar o raciocínio dos modelos
  • Criar assistentes especializados e customizados utilizando as ferramentas de Custom GPTs da OpenAI para resolver tarefas de nicho
  • Implementar o consumo de APIs de LLMs (OpenAI, Google) via Python para integrar a capacidade generativa em aplicações simples

  
  Desenvolvimento de Agentes com Python: 

  • Prototipar visualmente a arquitetura de um agente de IA, incluindo chains, tools e retrievers, utilizando a interface gráfica do Langflow
  • Implementar agentes de IA em Python utilizando o framework LangChain, traduzindo os protótipos visuais em código modular e extensível
  • Construir um sistema de RAG (Retrieval-Augmented Generation) do zero: processando documentos, gerando embeddings e utilizando um vector store como ChromaDB
  • Desenvolver “chains” complexas que integram múltiplos passos de raciocínio, fontes de dados e lógica condicional para resolver problemas não-triviais

  
  Agentes de IA para Análise e Interação com Dados:

  • Construir agentes LangChain que convertem linguagem natural em consultas SQL para conversar com bancos de dados relacionais e extrair insights
  • Desenvolver agentes autônomos que utilizam “tools” para interagir com APIs RESTful de terceiros, buscando dados ou executando ações em outros sistemas
  • Utilizar bibliotecas como PandasAI para criar assistentes conversacionais que realizam análise de dados e manipulação de DataFrames
  • Implementar diferentes estratégias de memória (ex: ConversationBufferWindowMemory) em agentes LangChain para manter o contexto em interações longas

  
  Projeto de Bloco: Desenvolvimento de Agentes Inteligentes:

  • Neste projeto, o aluno criará um sistema que automatiza o onboarding de clientes. O processo inicia em um workflow do n8n que, ao identificar um novo cliente, aciona um agente especializado. Este agente, desenvolvido com LangChain (após ideação dos prompts no Google AI Studio), interage com a documentação da empresa (via RAG) para gerar uma lista de tarefas personalizada e um e-mail de boas-vindas. Como etapa final do projeto, os alunos deverão aprender a empacotar o agente Python em um contêiner Docker e expô-lo como uma API usando FastAPI, implantando-o em um serviço de nuvem para que o n8n possa consumi-lo.

• Desenvolvimento Back-End

  Fundamentos de Desenvolvimento com Java:

  •  Preparar o ambiente para desenvolvimento local com Java
  • Escrever programas em Java usando seus elementos básicos
  • Escrever programas em Java que utilizem classes e objetos
  • Utilizar os pilares do paradigma de orientação ao objeto para criação de programas em Java
  • Escrever programas em Java com arrays, coleções, arquivos e recursos mais avançados

  
  Fundamentos de Desenvolvimento com C#:
  

  • Preparar ambiente para desenvolvimento local com C# e .NET
  •  Escrever programas em C# usando seus elementos básicos
  • Escrever programas em C# que utilizem classes e objetos
  • Utilizar os pilares do paradigma de orientação ao objeto para criação de programas em C#
  • Escrever programas em C# com Arrays, arquivos e recursos mais avançados

  
  Desenvolvimento de Serviços Web com Spring Boot: 

  •  Criar aplicações web a partir do Spring Boot Initializer
  •  Desenvolver RESTful APIs com Spring Boot
  • Implementar persistência de dados com JPA, Redis e MongoDB
  • Implementar testes em aplicações SpringBoot
  • Implementar medidas de segurança em aplicações Spring Boot
  • Realizar o deploy em aplicações SpringBoot

  
  Desenvolvimento Web com .NET e Bases de Dados:

  • Utilizar delegates e events em programas C#
  • Desenvolver uma aplicação web full-stack (“server-based UI”) em ASP.NET Core usando Razor Pages
  •  Acessar bases de dados usando EF Core
  • Desenvolver uma aplicação web em ASP.NET Core acessando bases de dados via EF Core

  
  Projeto de Bloco: Desenvolvimento Back-End:

  • O aluno deverá projetar e implementar uma solução de back-end, aderindo ao processo RUP. A modelagem do software será respaldada pela produção de artefatos, incluindo casos de uso, diagrama de classes, diagramas de sequências e de comunicação. Estes artefatos utilizarão UML e serão entregues juntos com a solução final. Se a tecnologia escolhida for Java, o aluno desenvolverá uma interface de linha de comando que interage com o back-end por meio de uma API REST, e a persistência de dados deverá ser realizada numa base MongoDB. Já se o aluno escolher C#/ASP.NET, a solução será desenvolvida usando Razor Pages (interface e back-end) e a persistência de dados deverá ser realizada utilizando EF Core.

• Ciência da Computação

  Velocidade e Qualidade com Estruturas de Dados e Algoritmos:

  • Avaliar a velocidade de algoritmos introdutórios usando a notação Big O
  • Utilizar as estruturas de dados hash tables, filas (queues) e pilhas (stacks)
  •  Desenvolver algoritmos avançados usando recursão e programação dinâmica
  • Utilizar as estruturas de dados listas encadeadas (linked lists) e árvores (trees)

  
  Sistemas Operacionais com Linux e Python:
  

  • Operar o sistema operacional Linux utilizando a linha de comando
  • Explicar como o Linux opera o hardware e os diferentes dispositivos de sistema
  • Gerenciar aplicativos, pacotes, containers e sistemas de inicialização no Linux, utilizando a linha de comando
  • Desenvolver programas simples em Python com paralelismo, utilizando a linha de comando

  
  Estruturas de Dados e Algoritmos Avançados: 

  • Utilizar as estruturas de dados heaps e tries
  • Utilizar a estrutura de dados grafos (graphs)
  • Desenvolver algoritmos avançados com grafos
  • Resolver problemas com algoritmos gulosos (“greedy”) e outras técnicas adicionais de otimização

  
  Programação Distribuída com Redes usando Linux e Python:
  

  •  Conectar em rede e com a Internet computadores com o sistema operacional Linux
  •  Utilizar serviços e aplicações de rede do Linux
  • Desenvolver programas em Python que se comunicam por rede
  •  Desenvolver programas em Python para analisar, manipular e proteger redes

  
  Projeto de Bloco: Ciência da Computação:

  • O aluno deverá apresentar cinco soluções práticas que evidenciam competências em Estruturas de Dados, Algoritmos, Sistemas Operacionais com Linux e Python, e Programação Distribuída em Redes. Estas soluções envolvem a análise de algoritmos de ordenação, desenvolvimento de programas com computação paralela, manipulação de árvores, listas encadeadas, heaps, tries, grafos, e técnicas de comunicação de rede, além da resolução de problemas de grafos e NP-completos, culminando em uma experiência prática e avançada.

• Desenvolvimento Disciplinado e Gestão de Multi-Agentes IA

  Arquitetura e Orquestração de Multi-Agentes:

  • Projetar sistemas multi-agente definindo papéis, responsabilidades e processos de colaboração para equipes de agentes de IA.
  • Implementar equipes de agentes autônomos utilizando o framework CrewAI para resolver problemas complexos através da delegação de tarefas sequenciais ou hierárquicas.
  • Desenvolver “conversas” complexas entre múltiplos agentes utilizando o framework AutoGen para simular discussões e resolver problemas de forma colaborativa.
  • Criar “tools” (ferramentas) customizadas em Python que podem ser compartilhadas e utilizadas por diferentes agentes dentro de uma equipe.

  
  MLOps: CI/CD para Sistemas de IA:
  

  • Construir pipelines de Integração e Entrega Contínua (CI/CD) com GitHub Actions para automatizar os testes e o deploy de sistemas de agentes.
  • Utilizar DVC (Data Version Control) em conjunto com o Git para versionar os dados, scripts e prompts que definem o comportamento dos agentes.
  • Empacotar sistemas de agentes como imagens Docker de forma automatizada dentro da pipeline de CI/CD.
  • Orquestrar o deploy de múltiplos serviços (ex: agentes, APIs, bancos de dados) em ambientes de nuvem utilizando Docker Compose e scripts de automação.

  
  Testes e Avaliação de Qualidade para IA: 

  • Desenvolver testes unitários e de integração para o código Python dos agentes e suas ferramentas utilizando o framework PyTest.
  • Criar suítes de avaliação de “regressão” para os prompts, garantindo que as otimizações não degradem a performance em casos de uso conhecidos.
  • Implementar frameworks de avaliação como Ragas ou o sistema de avaliação do Langfuse para medir a qualidade e a veracidade das respostas de agentes RAG.
  • Gerar e analisar relatórios de testes de forma automatizada, integrando os passos de avaliação diretamente na pipeline de CI/CD.

  
  Observabilidade e Otimização de Agentes de IA:

  • Implementar logging estruturado e tracing de ponta a ponta em sistemas de multi-agentes utilizando plataformas como Langfuse ou LangSmith.
  • Criar dashboards de monitoramento com Grafana ou a ferramenta nativa do Langfuse para acompanhar métricas de custo (uso de tokens), latência e taxa de erros.
  • Analisar os “traces” de execução para identificar gargalos de performance e otimizar o fluxo de trabalho entre os agentes.
  • Aplicar técnicas de caching de respostas com Redis para reduzir a latência e os custos operacionais de chamadas repetitivas às APIs dos LLMs.

  
  Projeto de Bloco: Desenvolvimento Disciplinado e Gestão de Multi-Agentes de IA:

  •  O aluno desenvolverá uma plataforma que analisa continuamente o feedback de clientes de diversas fontes (e-mails, redes sociais). O sistema, construído com CrewAI, será composto por uma equipe de agentes: um “agente-coletor” busca novos feedbacks, um “agente-analista” categoriza o sentimento e os tópicos principais, e um “agente-estrategista” identifica tendências e sugere ações de melhoria. Todo o projeto será gerenciado por uma pipeline de CI/CD no GitHub Actions que executa testes de qualidade em cada agente antes do deploy. A solução final incluirá um dashboard de Langfuse para observabilidade completa, permitindo rastrear o processamento de cada feedback e monitorar a performance geral do sistema.

Sobre a graduação

• É reconhecida pelo MEC?

  Este curso é uma ênfase da graduação em Análise e Desenvolvimento de Sistemas, que foi autorizada pela Portaria 305 de 09/07/2013 e reconhecida pelo MEC com nota máxima pela Portaria 95 de 09/04/20.

  Consulte aqui o cadastro da instituição no Sistema e-MEC

  

• Qual tipo de diploma?

  Graduação. Tecnólogo em Análise e Desenvolvimento de Sistemas com ênfase em Agentes de IA.

  Esse diploma habilita para o exercício profissional em desenvolvimento de software e de sistemas de multi-agentes de IA e permite a continuação dos estudos em especialização, MBA, mestrado e doutorado, além da participação em concursos públicos.

• Quais são as formas de ingresso?

  Você pode ingressar neste curso através de uma das seguintes formas:

  – Vestibular Online: Faça a prova de vestibular do Infnet, totalmente online e sob demanda.
  – Nota do ENEM: Utilize sua nota do Enem dos últimos 10 anos.
  – Portador de Diploma: Caso você já tenha um diploma de ensino superior, pode usá-lo para ingressar em uma nova graduação.
  – Transferência Externa: Se você já cursa uma graduação em outra instituição, pode fazer a transferência do seu curso para o Infnet.
  – Reingresso: Se você já foi aluno do Infnet e trancou sua matrícula, pode solicitar o seu retorno ao curso.

• Conheça o coordenador

  FERNANDO FERREIRA

  Fernando Ferreira é coordenador das graduações de Engenharia de Software e de Engenharia de Inteligência Artificial, bem como da Pós-Graduação MIT em Inteligência Artificial, Machine Learning e Deep Learning da Faculdade Infnet.

  Doutor em Inteligência Artificial, construiu sua carreira pesquisando como algoritmos inteligentes podem resolver problemas complexos do mundo real. Trabalhou no CERN, na Suíça, aplicando machine learning em sistemas críticos de monitoramento. Hoje, pesquisa no NetLab/UFRJ novas aplicações de IA para análise de dados em larga escala. Também é cofundador da TWIST Systems, onde lidera projetos que transformam ciência de dados em soluções de impacto para o mercado. No Infnet, leva essa experiência para formar engenheiros preparados para projetar e implementar inteligências artificiais em cenários de ponta.

O upgrade que coloca você em outro nível

Você só encontra no Infnet

Como será sua Graduação Live

Um curso, dois futuros

Na vanguarda do mercado tech: multi-agentes de IA

Dev de agentes autônomos: o profissional que desenvolve os sistemas mais procurados pelo mercado