MBA em Inteligência Artificial e Automação

• Introdução ao ambiente do n8n, seus conceitos fundamentais e estrutura de workflows.
• Criação de fluxos simples com foco em automação de tarefas manuais, uso de gatilhos (triggers), manipulação básica de dados e integração com serviços populares (e-mail, planilhas, APIs).
• Compreensão da interface visual, parâmetros de nós e boas práticas de organização de fluxos.

> O aluno será capaz de construir automações low-code do zero, entender como o n8n estrutura dados e configurar credenciais de acesso a diferentes ferramentas.

• Exploração de recursos avançados do n8n para criação de fluxos complexos e escaláveis.
• Manipulação de diferentes formatos de dados (JSON, XML, CSV, HTML, binários) e integração de múltiplas fontes (planilhas, CRMs, APIs, bancos).
• Uso de lógica condicional, loops e personalização com o nó Code em JavaScript.
• Aplicação de nós de LLMs (Gemini, OpenAI e outros) para enriquecer dados, classificar e automatizar processos inteligentes.
• Técnicas de debug, pinagem de dados, sub-workflows, workflows de erro e manipulação de arquivos.

> Ao final, o aluno será capaz de projetar automações robustas que combinam integração de sistemas e inteligência artificial.

• Aprimoramento do uso do Excel com recursos de inteligência artificial e automação.
• Aplicação de fórmulas avançadas, funções dinâmicas e análise de dados com IA integrada.
• Exploração de complementos e Copilot no Excel para acelerar cálculos, sumarizações e relatórios.
• Criação de planilhas interativas e dashboards simplificados.

> O aluno aprenderá a transformar planilhas em soluções automatizadas que reduzem tempo de operação e aumentam a precisão em análises de negócio.

• Desenvolvimento de fluxos de automação para integração entre Excel, e-mails, SharePoint, Teams e outras aplicações Microsoft 365.
  Configuração de conectores, disparadores automáticos e processos multietapas.
• Implementação de notificações, aprovações e integração com sistemas externos.
• Introdução a IA Builder e automações com dados não estruturados.

> O aluno será capaz de projetar soluções de Automação low-code que otimizam fluxos administrativos e corporativos.

• Introdução ao Langflow como ambiente visual de criação de agentes baseados em modelos de linguagem.
• Estruturação de fluxos de diálogo, uso de componentes básicos, integração com APIs de LLMs (como
• OpenAI ou Gemini) e configuração de pipelines simples.
  Exploração da lógica de prompt chaining e memory básica.

> O aluno será capaz de montar seus primeiros protótipos de agentes de IA generativa de forma totalmente visual, sem necessidade de programação.

• Desenvolvimento de agentes avançados no Langflow com foco em integração de dados estruturados e não estruturados (bancos, documentos e APIs).
• Implementação de memória de longo prazo e contexto conversacional para criar interações mais naturais e eficazes.
• Construção de assistentes inteligentes voltados a cenários reais, como atendimento automatizado, tutoria educacional e análise documental.

> Ao final, o aluno será capaz de projetar agentes de IA generativa completos, capazes de combinar dados externos e memória para aplicações práticas em mercado.

• Fundamentos da engenharia de prompts e sua importância no uso de modelos de linguagem.
• Estratégias de construção de instruções claras e consistentes, incluindo prompts zero-shot, few-shot e chain-of-thought.
• Técnicas para controlar estilo, formato de resposta e evitar ambiguidades.
• Aplicação prática em ferramentas visuais e em diferentes casos de uso, como geração de texto, sumarização, análise de dados e criação de conteúdo.

> O aluno será capaz de elaborar prompts eficazes e replicáveis em cenários corporativos.

• Exploração de estúdios visuais (como OpenAI Studio, Gemini Studio e Copilot) e uso de operadores para construção de fluxos em produção.
• Criação de pipelines de LLMs com integração a dados internos, APIs externas e ferramentas de automação.
• Boas práticas de versionamento, testes e monitoramento de modelos em ambiente corporativo.

> O aluno aprenderá a levar protótipos de agentes e soluções baseadas em LLM do laboratório para a produção, aplicando conceitos de confiabilidade, escalabilidade e governança.