Aulas ao vivo todos os dias
Matriz atualizada para 2026
Faculdade EAD Live em
Inteligência Artificial
A Inteligência Artificial é o motor das maiores transformações do nosso tempo — por trás dos sistemas que recomendam diagnósticos médicos precisos, dos algoritmos que movimentam a Bolsa de Valores em milissegundos, das infraestruturas que mantêm milhões de usuários conectados ao mesmo tempo e até dos agentes que automatizam negociações, decisões e operações inteiras sem intervenção humana. Mais do que uma tecnologia, a IA está redefinindo como criamos, pensamos e trabalhamos.
Na Faculdade Infnet, você pode ingressar nesse universo por dois caminhos: para quem busca formação completa com base sólida em engenharia de software para projetar sistemas de IA em grande escala, há a graduação em Engenharia de Inteligência Artificial (4 anos). Já quem prefere uma formação mais rápida e direta, construindo agentes autônomos desde cedo para resolver tarefas reais, pode escolher Análise e Desenvolvimento de Sistemas: Agentes de IA (2 anos e meio).
Matriz curricular
Confira a matriz curricular dos nossos cursos de Inteligência Artificial:
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.
Conectividade e Desenvolvimento Front-End
Arquitetura e Operação de Sistemas Computacionais:
- Explicar a arquitetura de hardware de dispositivos computacionais
- Operar sistemas operacionais de desktops
- Gerenciar sistemas operacionais móveis e sua segurança
- Descrever os fundamentos de redes de computadores
- Explicar o funcionamento do endereçamento de rede
Fundamentos do Desenvolvimento Front-End:- Estruturar e estilizar páginas web com HTML5 e CSS3
- Implementar algoritmos com lógica de programação em JavaScript
- Organizar e reutilizar código através de funções
- Manipular dinamicamente o conteúdo e o estilo da página
- Analisar e depurar códigos HTML, CSS e JavaScript
Infraestrutura e Segurança de Redes:- Implementar a configuração inicial de dispositivos de rede
- Operar uma infraestrutura de rede com base em um projeto
- Diagnosticar problemas de conectividade em redes
- Aplicar os fundamentos de segurança de rede
- Elaborar um projeto de rede básico
Interatividade no Desenvolvimento Front-End:- Estruturar e manipular dados complexos com arrays e objetos
- Desenvolver interfaces dinâmicas baseadas em eventos
- Criar e validar formulários web interativos
- Criar páginas web dinâmicas com manipulação avançada do DOM
Projeto de Bloco: Conectividade e Desenvolvimento Front-End:- Dashboard de Análise de Logs de Segurança de Rede: O aluno irá criar uma interface web interativa para visualizar e filtrar um grande volume de logs de um firewall ou de um sistema de detecção de intrusão. O objetivo é identificar padrões, como os principais IPs de ataque ou as portas mais visadas.
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.
Engenharia Segura de Softwares Escaláveis
Microsserviços e DevOps com Spring Boot e Spring Cloud:
- Desenvolver microserviços cloud nativos com Spring Boot e Spring Cloud
- Publicar microserviços Spring Boot, orquestrando containers com Docker e Kubernetes
- Desenvolver microserviços usando Reactive Spring
- Desenvolver em grupo utilizando repositórios Git através do GitHub.
- Publicar de forma automática microsserviços Spring Boot usando GitHub Actions e Kubernetes
Design Patterns e Domain-Driven Design (DDD) com Java:- Desenvolver software aplicando design patterns
- Projetar softwares de forma estratégica, usando “bounded contexts”, subdomínios e linguagem ubíqua
- Projetar softwares de forma estratégica usando “context maps”
- Projetar softwares usando “aggregates”
DevSecOps: Segurança Contínua para Aplicações Cloud Native:- Automatizar a análise de vulnerabilidades em código-fonte e dependências
- Implementar mecanismos de autenticação e autorização em microsserviços
- Gerenciar segredos (secrets) de forma segura e implementar a varredura de vulnerabilidades em imagens de container, como parte do processo de entrega contínua.
- Aplicar os princípios de Threat Modeling (modelagem de ameaças)
Domain-Driven Design (DDD) e Arquitetura de Softwares Escaláveis com Java:- Transformar monolitos em microsserviços eficazes, aplicando princípios de DDD e técnicas de decomposição.
- Projetar softwares usando “domain events”
- Desenvolver microsserviços event-driven e com outros padrões de comunicação assíncrona
- Implementar testes e observabilidade em microsserviços com Zipkin, Spring Cloud Sleuth e ELK Stack.
Projeto de Bloco: Engenharia Segura de Softwares Escaláveis:- O aluno desenvolverá um software escalável de forma ágil e incremental, evoluindo de um monolito para uma arquitetura de microsserviços orientada a eventos, aplicando princípios de Domain-Driven Design (DDD). A solução deverá incorporar práticas de DevSecOps desde o início, garantindo a segurança de APIs RESTful com padrões como OAuth 2.0 e automatizando a análise de vulnerabilidades (SAST, SCA, varredura de containers) no pipeline de CI/CD. O desenvolvimento utilizará o ecossistema Spring (Boot, Data, Cloud) e RabbitMQ para mensageria
Análise e Segurança de Agentes de IA
Estatística Aplicada e Análise Exploratória de Dados:
- Manipular, limpar e transformar conjuntos de dados complexos utilizando bibliotecas como Pandas.
- Calcular e interpretar as principais métricas de estatística descritiva e correlação para extrair insights iniciais.
- Realizar uma Análise Exploratória de Dados (EDA) completa para identificar padrões, anomalias e tendências.
- Aplicar testes de hipótese básicos (como testes A/B) para validar suposições e guiar decisões.
Desenvolvimento Seguro de Aplicações Web:- Mapear a arquitetura e o fluxo de dados de uma aplicação web, identificando componentes críticos de segurança (HTTP, sessões, cookies).
- Identificar as 10 principais vulnerabilidades do OWASP Top 10 em trechos de código e arquiteturas de software.
- Aplicar técnicas de programação segura (Secure Coding), como validação de entradas e codificação de saídas, para prevenir falhas comuns.
- Utilizar ferramentas de scan passivo (como OWASP ZAP) para realizar uma avaliação inicial de segurança em uma aplicação.
Modelagem Preditiva e Construção de Agentes de IA:- Pré-processar e preparar dados textuais ou estruturados para o treinamento de modelos de Machine Learning (feature engineering).
- Treinar, avaliar e otimizar modelos preditivos de classificação e regressão utilizando frameworks como Scikit-learn.
- Integrar um modelo de ML treinado a uma aplicação, expondo sua funcionalidade através de uma API RESTful (Flask/FastAPI).
- Desenvolver lógicas de decisão para um agente de IA com base nas previsões do modelo integrado.
Análise de Vulnerabilidades e Pentest Web:- Operar ferramentas de pentest padrão da indústria (como Burp Suite e SQLmap) para interceptar, analisar e manipular tráfego web.
- Executar ataques práticos para explorar vulnerabilidades do OWASP Top 10 em um ambiente de laboratório controlado.
- Aplicar uma metodologia sistemática de pentest para mapear a superfície de ataque de uma aplicação web ou API.
- Documentar as vulnerabilidades encontradas em um relatório técnico claro, incluindo evidências (PoC) e recomendações de mitigação.
Projeto de Bloco: Análise e Segurança de Agentes IA:- O aluno irá projetar, desenvolver e auditar um agente de IA de atendimento ao cliente. O processo envolve realizar a análise exploratória de um conjunto de dados de suporte para definir as “intenções” do usuário, treinar um modelo de classificação de texto para ser o “cérebro” do agente, e expor essa inteligência através de uma API web. Ao final, os alunos trocam suas APIs e realizam um pentest completo na aplicação dos colegas, atuando como hackers éticos para identificar, explorar e reportar as falhas de segurança encontradas.
Machine Learning
Inteligência Artificial: Model LifeCycle
- Explicar os conceitos básicos de Machine Learning
- Criar modelos simples de Machine Learning
- Comparar o desempenho de modelos de Machine Learning utilizando validação cruzada
- Avaliar modelos através de diferentes figuras de mérito
Dados para Machine Learning: Feature Engineering- Manipular dados numéricos para algoritmos de Machine Learning
- Manipular dados textuais para algoritmos de Machine Learning
- Vetorizar dados categóricos para algoritmos de Machine Learning
- Reduzir dimensionalidade através da análise de componentes principais (PCA)
Inteligência Artificial: Classificação- Desenvolver modelos usando Árvores de Decisão
- Desenvolver modelos usando Support Vector Machine (SVM)
- Desenvolver modelos usando Ensemble Learning
- Desenvolver modelos melhores priorizando as features mais relevantes do problema
Inteligência Artificial: Clusterização- Desenvolver modelos usando K-Médias
- Desenvolver modelos usando Clusterização Hierárquica
- Desenvolver modelos usando DBScan
- Desenvolver modelos para extrair tópicos de textos
Projeto de Bloco: Inteligência Artificial e Machine Learning- Os alunos desenvolverão itens de cinco projetos com bases de dados reais, aplicando técnicas de IA para consolidar os conhecimentos das disciplinas. Os desafios abrangem desde o pré-processamento até a criação de modelos, com foco em explicabilidade e na construção de pipelines completos de machine learning. Assim, os alunos demonstrarão competências técnicas e analíticas para resolver problemas complexos.
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.
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.
ADMISSÃO E VALORES
Engenharia de IA
AGENTES DE IA
Sobre a graduação
É reconhecida pelo MEC?
Sim. A faculdade de Engenharia de Inteligência Artificial é uma ênfase da Engenharia de Software, que foi autorizada pela Portaria 929 de 27/11/2015 e reconhecida com nota máxima pela Portaria 383 de 28/09/2023.
A graduação em Agentes de IA é uma ênfase de ADS, que foi autorizada pela Portaria 305 de 09/07/2013 e reconhecida pelo MEC com nota máxima pela Portaria 95 de 09/04/20.
Qual é o tipo de diploma?
Diploma de Bacharel em Engenharia de Software, com ênfase em Engenharia de Inteligência Artificial, ou Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas com ênfase em Agentes de IA.
Ambos os diplomas permitem a continuação dos estudos em especialização, MBA, mestrado e doutorado, além da participação em concursos públicos.
Qual é a diferença entre os dois cursos?
Engenharia de Inteligência Artificial (4 anos) → Para quem deseja projetar sistemas de IA em grande escala, atuando na arquitetura, infraestrutura e integração de modelos inteligentes. A formação se apoia na base de Engenharia de Software e inclui matemática, estatística e Machine Learning, permitindo criar novos algoritmos e soluções avançadas de IA e multiagentes.
Análise e Desenvolvimento de Sistemas: Agentes de IA (2,5 anos) → Para quem quer entrar rapidamente no mercado construindo agentes autônomos que executam tarefas reais. O foco é desenvolver e integrar agentes inteligentes com IA generativa e frameworks modernos, aplicando soluções desde os primeiros semestres.
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.Como vão funcionar as avaliações presenciais?
Flexibilidade é um dos grandes focos das nossas Graduações EAD Live. Logo, essa será a regra para as avaliações presenciais, obrigatórias a partir de 2027: você terá somente uma avaliação presencial a cada 6 meses, em dia e horário de sua escolha, dentro do período determinado para avaliações ao final do semestre letivo.
As datas possíveis serão divulgadas com antecedência no calendário acadêmico, incluindo aquelas referentes à segunda chamada. Você pode escolher entre os locais de avaliação presencial existentes nas cidades abaixo:
- Belo Horizonte
- Brasília
- Campinas
- Curitiba
- Fortaleza
- Goiânia
- Navegantes
- Porto Alegre
- Recife
- Ribeirão Preto
- Rio de Janeiro
- Salvador
- São Paulo
- Vitória
*Novas cidades podem ser incluídas no futuro.Conheça o coordenador
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.
É engenheiro em três níveis de formação — graduado em Engenharia Eletrônica e de Software, mestre em Engenharia Elétrica e doutor em Engenharia com ênfase em Inteligência Artificial, todos pela COPPE/UFRJ —, com especialização em Gestão e Negócios. Possui sólida experiência em desenvolvimento de software e automações para sistemas de missão crítica, adquirida em projetos internacionais como seu período no CERN, na Suíça. É co-fundador da TWIST Systems, onde lidera iniciativas de engenharia de software voltadas a ciência de dados e soluções digitais inovadoras. Também atua como pesquisador com foco em aplicações avançadas de IA. No Infnet, compartilha essa vivência para formar desenvolvedores capazes de projetar sistemas completos, autônomos e alinhados às demandas mais atuais do mercado.
Curso atualizado para os impactos da IA
No mundo atual, programar com ajuda de Inteligência Artificial é não apenas possível, mas extremamente produtivo. Por isso, nossa grade curricular foi totalmente atualizada para que você aprenda a usar IA de forma estratégica, acelerando seu desenvolvimento e dominando as ferramentas que as maiores empresas já utilizam.
Ao mesmo tempo, entendemos que uma formação sólida exige fundamentos. Por isso, existem momentos-chave do curso em que a programação deve ser feita sem auxílio da IA, garantindo que você domine os conceitos e a lógica por trás do código, sem atalhos.
Essa combinação garante que você aprenda a trabalhar como o mercado exige hoje, com IA, enquanto constrói uma base sólida que prepara para qualquer desafio técnico futuro.
O upgrade que coloca você em outro nível
Além da sua graduação, você terá acesso a um pacote de conteúdos extras, sem custo adicional, pensado para fortalecer sua formação e ampliar suas oportunidades.
Confira o que inclui:
O mesmo conteúdo que ajuda profissionais de IA sênior do Vale do Silício a se manterem à frente está agora ao seu alcance. Uma biblioteca viva de tecnologia, com livros, vídeos e laboratórios práticos atualizados constantemente — referência para profissionais das maiores big techs.
Nossos alunos têm acesso a disciplinas extras sobre temas em destaque no mercado, como computação vestível (tais como smart glasses), computação quântica, neurociência, blockchain e outros, proporcionando visão prática sobre o que está moldando o futuro da tecnologia.
Você só encontra no Infnet
Sua jornada é ao vivo, interativa e focada no que realmente importa: seu sucesso no mercado.
Como será sua Graduação Live
Acreditamos que a verdadeira fluência em Inteligência Artificial é conquistada na prática. Por isso, nossa metodologia vai além das aulas tradicionais e simula o ritmo de um projeto real. É um modelo imersivo, construído com disciplina e método, totalmente focado em capacitar você a desenvolver e entregar as soluções de IA que estão moldando o futuro. Funciona assim:
Depoimento de alunos
Pra quem é esta faculdade de IA?
Se você quer construir sua carreira criando sistemas inteligentes com IA, a Faculdade Infnet oferece dois caminhos — cada um alinhado a diferentes perfis e objetivos profissionais.
👉 Engenharia de Inteligência Artificial (4 anos)
Para quem quer entender a tecnologia por dentro e atuar criando novos modelos ou algoritmos de IA ou projetando, desenvolvendo e orquestrando soluções de IA em grande escala. Ideal para quem:
>Está no ensino médio ou concluiu recentemente e sonha em ser engenheiro de tecnologia, dominando programação, automação e arquitetura de sistemas inteligentes.
>Iniciou outra faculdade, mas percebeu que o conteúdo era superficial e agora busca uma formação mais estruturada, completa e alinhada ao futuro da IA.
>Já trabalha com tecnologia, mas sente que a falta de um diploma forte limita sua ascensão para cargos estratégicos e de liderança em inovação e automação.
👉 Análise e Desenvolvimento de Sistemas: Agentes de IA (2,5 anos)
Para quem quer entrar rapidamente no mercado criando agentes autônomos que executam tarefas reais com IA. Ideal para quem:
>Está no ensino médio ou saiu dele recentemente, mas prefere uma formação mais direta para colocar a mão na massa e começar logo a trabalhar.
>Já atua com desenvolvimento, automação ou suporte e quer migrar para IA com foco prático e aplicado.
>Vem de outra área e quer iniciar sua primeira graduação em um campo em alta, onde é possível construir projetos com impacto visível desde os primeiros semestres.
Inteligência Artificial: a carreira que vai definir todas as outras
Enquanto novas tecnologias transformam a forma como vivemos e trabalhamos, é a Inteligência Artificial que lidera essa revolução — automatizando tarefas, tomando decisões e criando soluções capazes de aprender e evoluir. De assistentes virtuais e algoritmos de recomendação a sistemas autônomos em finanças, saúde, logística e segurança, a IA deixou de ser tendência para se tornar infraestrutura essencial do mundo moderno. Não se trata de modismo: empresas e governos já dependem dela para ganhar eficiência, inovar e manter competitividade.
Seguir carreira nessa área significa atuar onde inovação e protagonismo caminham juntos. Seja projetando modelos complexos ou desenvolvendo agentes autônomos para resolver problemas reais, o profissional de IA atua diretamente na criação do futuro. É uma trajetória dinâmica, de aprendizado constante e impacto concreto — com espaço tanto para quem pensa soluções em grande escala quanto para quem prefere construir aplicações práticas no dia a dia. Em um mercado com demanda crescente e déficit global de talentos, oportunidades não faltam — em todos os níveis.
Quem domina IA escolhe onde quer trabalhar — não o contrário
A adoção de IA deixou de ser diferencial para se tornar prioridade em empresas de todos os setores — e isso faz com que profissionais da área sejam contratados para diferentes frentes, todas igualmente estratégicas. Enquanto alguns atuam projetando e estruturando modelos e arquiteturas complexas, outros estão na linha de frente aplicando, treinando e integrando agentes de IA em sistemas reais. Um cria a inteligência, o outro faz com que ela funcione nas operações — e o mercado valoriza os dois com a mesma urgência.
A disputa por talentos se reflete diretamente nos salários. Profissionais que atuam na implementação de agentes, automação de processos e integração com APIs já recebem entre R$ 7.000 e R$ 12.000 em níveis plenos. Já aqueles que avançam para arquitetura de modelos, engenharia de prompts, orquestração multi-agentes ou desenvolvimento de soluções proprietárias ultrapassam facilmente os R$ 15.000 a R$ 25.000. Independentemente da trilha escolhida, quem trabalha com IA está entre os profissionais mais valorizados — e com demanda crescente garantida pelo avanço acelerado da automação inteligente.
Prepare-se para liderar a revolução da Inteligência Artificial
A Inteligência Artificial deixou de ser apenas uma tecnologia emergente para se tornar o coração da inovação em empresas de todos os setores. Sistemas autônomos, automações inteligentes, análise preditiva e agentes colaborativos estão transformando a forma como trabalhamos, tomamos decisões e construímos produtos digitais. E, neste novo cenário, surgem duas funções igualmente estratégicas: quem projeta e orquestra a inteligência das máquinas — e quem coloca essa inteligência para operar com eficiência e impacto imediato.
A Faculdade Infnet forma profissionais para ambos os papéis:
Engenharia de Inteligência Artificial (4 anos)
>Engenheiro de Inteligência Artificial
>Arquiteto de Soluções de IA
>Engenheiro de IA Generativa / Generative AI Engineer
>Especialista em Modelos de Linguagem (LLM Specialist)
>Pesquisador ou Engenheiro de Agentes Autônomos
Análise e Desenvolvimento de Sistemas: Agentes de IA (2,5 anos)
>Analista de Sistemas
>Desenvolvedor de Sistemas Inteligentes
>Especialista em Multi-Agentes de IA
>Consultor de Processos Digitais com IA
>Orquestrador de Multi-Agentes
Perguntas frequentes sobre
a faculdade de IA
Qual é o tipo de diploma?
Diploma de Bacharel em Engenharia de Software, com ênfase em Engenharia de Inteligência Artificial, ou Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas, com ênfase em Agentes de IA.
Ambos os diplomas permitem a continuação dos estudos em especialização, MBA, mestrado e doutorado, além da participação em concursos públicos.
Essas graduações são reconhecida pelo MEC?
Sim. A faculdade de Engenharia de Inteligência Artificial é uma ênfase da Engenharia de Software, que foi autorizada pela Portaria 929 de 27/11/2015 e reconhecida com nota máxima pela Portaria 383 de 28/09/2023.
A graduação em Agentes de IA é uma ênfase de ADS, que foi autorizada pela Portaria 305 de 09/07/2013 e reconhecida pelo MEC com nota máxima pela Portaria 95 de 09/04/20.
O que está incluído no curso (aulas, materiais, projetos, suporte)?
As graduações no Infnet incluem disciplinas com trilhas de aprendizagem, aulas ao vivo e conteúdos online no ambiente virtual, materiais didáticos, atividades e avaliações. Projetos práticos e orientados por professores integram a formação. Há suporte de carreira, acadêmico e coordenação.
Quais são as formas de ingresso?
Você pode ingressar na graduação 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.Preciso ter experiência prévia ou algum conhecimento específico para começar?
Não. Indica-se somente afinidade com a área escolhida.
Existe algum pré-requisito ou documentação necessária para me inscrever?
Sim. Os únicos pré-requisitos são: ter concluído o Ensino Médio e ser aprovado em um processo seletivo (vestibular do Infnet, ENEM ou outras formas de ingresso).
Após a aprovação, a equipe de matrículas informa quais documentos pessoais e acadêmicos você deve apresentar.
Se eu perder uma aula ao vivo, consigo assistir a gravação depois?
Sim. Após uma aula ao vivo, sua gravação é disponibilizada no ambiente virtual de aprendizagem da disciplina dentro do período letivo.
Quais são os canais de suporte disponíveis durante o curso?
Você conta com coordenação de curso, secretaria acadêmica, central de carreira, canais de atendimento e suporte técnico do ambiente virtual de aprendizagem.
Há acompanhamento individual ou grupos de apoio para dúvidas?
Sim. Como as aulas são 100% ao vivo, você estuda com uma turma fixa que te acompanha ao longo de toda a graduação. Isso permite criar vínculos reais e ter canais diretos para tirar dúvidas — como grupos no WhatsApp e no ambiente virtual do Infnet.
Além disso, você conta com apoio psicopedagógico para organização da rotina, gestão do tempo e construção de uma agenda de estudos, quando necessário. As disciplinas também têm orientação docente e espaços de interação, como grupos e encontros. E, conforme a necessidade, ainda podem existir iniciativas de monitoria e apoio da coordenação.
Minha cidade não está na lista de locais de avaliação presencial, e agora?
A lista atual apresenta as primeiras cidades confirmadas. Novas localidades poderão ser incluídas futuramente, caso a instituição identifique demanda em outras regiões.
Como a obrigatoriedade das avaliações presenciais será apenas a partir de 2027, ainda há tempo para ampliar os locais disponíveis, caso necessário.
Enquanto isso, recomenda-se que o estudante verifique com antecedência se o deslocamento, a partir de 2027, caberá em seu orçamento e planejamento. Leve em conta o local de avaliação presencial mais próximo já confirmado.
Para ajudar nessa análise, considere os seguintes pontos:
- Será apenas um encontro por semestre.
- A aplicação ocorrerá nas últimas semanas do semestre letivo, em dias de semana à noite e aos sábados.
- O aluno poderá escolher o dia e o horário mais convenientes dentro da semana definida para sua localidade.
- O calendário acadêmico divulgará todas as datas com antecedência, incluindo a data da segunda chamada, caso o estudante perca o prazo inicial — que será realizada em um sábado ao final do semestre.
Informações e valores
A Faculdade Infnet valoriza o seu tempo! Por isso, disponibilizamos a Íris, nosso atendimento inteligente, que pode ser contatada a qualquer hora do dia para fornecer informações sobre o curso de seu interesse.
Depois desse atendimento inicial, você poderá falar com nossos especialistas, durante o horário comercial, que estão prontos para tirar dúvidas detalhadas e orientar sobre matrícula e processos.