Curso
Introdução a LLMs em Python
3 h
35.9K
Os large language models deixaram de ser uma curiosidade acadêmica para virar assunto obrigatório entre desenvolvedores — seja para chamar uma API, ajustar um modelo open source ou explicar ao time de produto por que o chatbot inventou uma política de reembolso.
\nPara ajudar, reunimos um ranking de cursos com base em quatro critérios:
\n- \n
- Profundidade conceitual: se o curso realmente explica tokens, embeddings, attention e a arquitetura de transformers \n
- Rigor prático: se você escreve código para chamar, ajustar (fine-tune) ou servir um modelo real \n
- Plataformas e cobertura de modelos: se o curso fica preso a uma única API ou apresenta a diferença entre modelos open source e proprietários \n
- Experiência do instrutor e resultados: quem ensina e o que você realmente consegue construir depois \n
1. Introduction to LLMs in Python — DataCamp
\nIntroduction to LLMs in Python da DataCamp é o melhor curso único para desenvolvedores que querem ir além do \"chamar a API da OpenAI\" e, de fato, entender a arquitetura de transformers por trás de todo LLM moderno.
\n- \n
- Nível: Intermediário \n
- Duração: ~3 horas, no seu ritmo; início gratuito \n
- Custo: gratuito para começar; acesso completo incluído na assinatura DataCamp (~US$ 25/mês) \n
- Indicado para: desenvolvedores que querem uma introdução objetiva e orientada a código a LLMs e transformers sem, antes, entrar em uma especialização completa \n
O curso aborda a mecânica das arquiteturas de transformers antes de partir para o uso de modelos e datasets pré-treinados do Hugging Face, ajustando-os para tarefas específicas e avaliando os resultados.
\nO destaque, e por que ele está em primeiro lugar: o curso roda com o AI Tutor da DataCamp, que explica erros no contexto exato do código que você está vendo. Bugs em LLMs raramente ficam óbvios só pelo stack trace — e um tutor que raciocina sobre o seu erro específico é muito melhor do que adivinhar.
\n2. LLM Engineering: Master AI, Large Language Models & Agents — Udemy
\nLLM Engineering é uma ótima opção para desenvolvedores que querem um curso abrangente, com muitos projetos, indo de chamadas a APIs comerciais ao fine-tuning de modelos open source e à construção de agents.
\n- \n
- Nível: Intermediário (Python obrigatório) \n
- Duração: 30+ horas de conteúdo em 200+ aulas; reserve de 6 a 8 semanas com projetos \n
- Custo: geralmente com descontos significativos nas promoções frequentes da Udemy \n
- Indicado para: desenvolvedores que querem um caminho em LLM engineering cobrindo modelos proprietários e open source \n
O instrutor, Ed Donner, é ex-CEO de startup de IA e ex-managing director no JPMorgan Chase. O curso vai da estruturação de prompts e entendimento de tokenização, passa pelo fine-tuning de modelos open source com LoRA e quantização, até a construção de sistemas multiagente.
\n3. The LLM Course — Hugging Face
\nThe LLM Course da Hugging Face é uma ótima opção para desenvolvedores que querem entender as bibliotecas que sustentam a maioria dos projetos open source com LLMs: Transformers, Datasets, Tokenizers e Accelerate.
\n- \n
- Nível: Iniciante a intermediário \n
- Duração: ~15–20 horas, no seu ritmo \n
- Custo: gratuito, com certificado disponível \n
- Indicado para: desenvolvedores que querem trabalhar diretamente com modelos open source e o Hugging Face Hub, em vez de ficar presos à API de um único fornecedor \n
Como é mantido pela própria Hugging Face e atualizado conforme o ecossistema evolui, é uma aposta segura contra APIs obsoletas — embora seja naturalmente mais voltado ao ecossistema da Hugging Face do que a um panorama amplo de alternativas comerciais.
\n\n
4. ChatGPT Prompt Engineering for Developers — DeepLearning.AI
\nChatGPT Prompt Engineering for Developers, ministrado por Isa Fulford (OpenAI) e Andrew Ng, é uma ótima opção para desenvolvedores que querem uma introdução rápida e objetiva a chamadas de LLM via API em vez de apenas pela interface de chat.
\n- \n
- Nível: Iniciante a intermediário \n
- Duração: ~1,5 hora \n
- Custo: gratuito \n
- Indicado para: desenvolvedores que querem sair do prompt manual no ChatGPT para chamadas programáticas a um LLM e construir aplicações simples por cima disso \n
O curso explica como LLMs funcionam por baixo dos panos, dois princípios centrais para escrever prompts eficazes e como usar esses prompts em tarefas como resumir, inferir sentimento, transformar texto e expandir anotações curtas em textos mais longos, concluindo com a criação de um chatbot customizado. É curto por design e pressupõe noções básicas de Python, sendo uma ótima rampa antes de um curso mais longo.
\n5. Prompt Engineering for ChatGPT — Vanderbilt University (Coursera)
\nPrompt Engineering for ChatGPT, ministrado pelo Dr. Jules White, da Vanderbilt, é uma ótima opção tanto para desenvolvedores quanto para não desenvolvedores que querem uma base rigorosa em técnicas de prompt, independente de framework ou base de código.
\n- \n
- Nível: Iniciante (não requer experiência prévia) \n
- Duração: ~19 horas \n
- Custo: gratuito para ouvir; assinatura Coursera para certificado \n
- Indicado para: alunos que querem dominar padrões e técnicas de prompt que funcionam em ChatGPT, Claude e outros LLMs baseados em chat \n
O curso mostra como aplicar engenharia de prompts de forma eficaz, usar padrões de prompt para liberar comportamentos mais avançados do modelo e construir aplicações baseadas em prompts para o trabalho ou projetos pessoais.
\n6. Generative AI: Introduction to Large Language Models — LinkedIn Learning
\nGenerative AI: Introduction to Large Language Models, ministrado por Fred Nwanganga, é uma boa opção para desenvolvedores e gestores técnicos que querem um panorama claro, sem código, de como os LLMs funcionam antes de mexer com uma API.
\n- \n
- Nível: Iniciante \n
- Duração: menos de 2 horas \n
- Custo: assinatura do LinkedIn Learning (muitas vezes incluída em bibliotecas); teste gratuito disponível \n
- Indicado para: desenvolvedores que querem o modelo mental — redes neurais, transformers, codificadores e decodificadores, attention — explicado com clareza antes de escrever qualquer código \n
O curso aborda o que são IA generativa e LLMs, como evoluíram, os fundamentos de deep learning em que se baseiam e a mecânica da arquitetura transformer, incluindo attention e self-attention, e termina com um olhar sobre implicações sociais desses modelos.
\n7. Essentials of Large Language Models: A Beginner's Journey — Educative
\nEssentials of Large Language Models, da Educative é uma boa opção para desenvolvedores que preferem lições interativas em texto a vídeos e que querem um modelo mental de sistemas sobre como os LLMs realmente funcionam.
\n- \n
- Nível: Iniciante \n
- Duração: no seu ritmo, com texto e código \n
- Custo: assinatura Educative \n
- Indicado para: desenvolvedores que aprendem mais rápido lendo e executando código inline do que assistindo screencasts e que querem entender o \"porquê\" do comportamento dos LLMs, não só as chamadas de API \n
O curso cobre os fundamentos de LLMs a partir dos primeiros princípios — arquitetura, tokenização, embeddings, attention e dinâmica de treino — e depois avança para fluxos práticos de prompting e integração de ferramentas para respostas dinâmicas.
\nTabela comparativa dos melhores cursos de LLM
\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n
\n
\n| Posição | Curso | Formato de aprendizado | Profundidade do programa | Custo / sinal de resultados |
|---|---|---|---|---|
| 1 | Introduction to LLMs in Python — DataCamp | Nativo de IA, mão na massa | Arquitetura transformer, fine-tuning, Hugging Face | Gratuito para começar; AI Tutor personaliza cada lição |
| 2 | LLM Engineering — Udemy | Bootcamp em vídeo | APIs, fine-tuning (LoRA), agents, projetos ponta a ponta | Frequentes descontos; selo de mais vendido |
| 3 | The LLM Course — Hugging Face | Curso interativo gratuito | Transformers, Tokenizers, Datasets, fine-tuning | Gratuito; mantido diretamente pela Hugging Face |
| 4 | ChatGPT Prompt Engineering for Developers — DeepLearning.AI | Curso curto em vídeo | Prompting via API, sumarização, transformação de texto | Gratuito; ~1,5 hora |
| 5 | Prompt Engineering for ChatGPT — Vanderbilt | Curso em vídeo | Padrões de prompt, aplicações baseadas em prompt | Gratuito para ouvir; certificado Coursera |
| 6 | Generative AI: Introduction to LLMs — LinkedIn Learning | Curso curto em vídeo | Noções de redes neurais, arquitetura transformer, attention | Assinatura LinkedIn Learning; teste gratuito disponível |
| 7 | Essentials of LLMs: A Beginner's Journey — Educative | Interativo baseado em texto | Arquitetura, tokenização, embeddings, attention | Assinatura Educative; formato sem vídeo |
Author
Josef Waples
FAQs
Preciso saber Python para fazer um curso de LLM?
Para a maioria dos cursos práticos desta lista — DataCamp, o curso da Hugging Face e os cursos da Udemy e Databricks — sim, espera-se que você tenha noções básicas de Python e familiaridade com APIs. Os cursos de prompting da Vanderbilt e o certificado profissional da IBM são mais acessíveis para não desenvolvedores, pois se apoiam mais na técnica de prompting do que em código.
Qual é a diferença entre um curso de prompt engineering e um de LLM engineering?
Um curso de prompt engineering ensina você a obter melhores respostas de um modelo existente pela forma como formula os pedidos — sem precisar de código. Um curso de LLM engineering ensina a construir sistemas em torno de um modelo: chamar APIs, fazer fine-tuning de modelos open source, gerenciar embeddings e recuperação, e fazer o deploy do resultado.
Qual curso de LLM é melhor para iniciantes absolutos?
O Prompt Engineering for ChatGPT, da Vanderbilt, não exige experiência prévia e é um ponto de partida razoável para quem não é técnico. Para iniciantes que querem programar, o Introduction to LLMs in Python da DataCamp foi feito para ser acessível, com o AI Tutor ajudando a preencher lacunas conforme elas aparecem.
Devo aprender primeiro LLMs open source (Hugging Face) ou APIs comerciais (OpenAI, Anthropic, Google)?
A maioria dos desenvolvedores na prática acaba precisando dos dois. As APIs comerciais permitem construir mais rápido; os modelos open source mostram o que acontece por baixo do capô e dão controle sobre fine-tuning, hospedagem e custo. Cursos como os da DataCamp e da Hugging Face tendem ao open source; o bootcamp LLM Engineering da Udemy e os cursos curtos da DeepLearning.AI cobrem ambos.
Quanto tempo leva para aprender LLMs bem o suficiente para construir com eles?
Um curso curto (1–3 horas) basta para você se sentir à vontade chamando uma API e escrevendo bons prompts. Um entendimento prático, em nível de código, de transformers, fine-tuning e RAG geralmente leva de 15 a 30 horas em cursos como os da DataCamp, Hugging Face ou Databricks. Aprofundar a ponto de ajustar e implantar sistemas em produção, como no bootcamp da Udemy, é mais realisticamente um compromisso de 6 a 8 semanas.
Tópicos
