Do conceito ao cluster — cada trilha no seu nível
Três cursos com progressão lógica: do entendimento de como chips de IA funcionam, passando pela programação prática de GPU, até a operação de ambientes multi-GPU em equipe. Todo o conteúdo em português.
Página InicialComo estruturamos o aprendizado
Cada curso segue uma estrutura modular onde o conteúdo avança de forma gradual: conceitos antes de implementação, teoria antes de exercício, exercício antes da verificação. Nenhum módulo avança antes de consolidar o anterior.
Leitura estruturada
Conceitos com contexto claro
Exemplo comentado
Diagrama ou notebook aplicado
Prática guiada
Exercício com orientação
Verificação
Bloco de conhecimento ao final
Fundamentos de Aceleradores de IA
Curso de entrada que explica como chips modernos de IA lidam com cargas paralelas, o que tensor cores e CUDA cores fazem conceitualmente, e de que forma a hierarquia de memória molda o desempenho. Desenvolvido para desenvolvedores e analistas que estão chegando ao lado de hardware do machine learning.
O que você vai cobrir:
Arquitetura de GPU: SMs, warps e execução paralela
Tensor cores e CUDA cores: funções e diferenças
Hierarquia de memória: registradores, L1, L2, VRAM
Como workloads de ML mapeiam no hardware
Registro de conclusão ao final da trilha
Investimento
R$ 550
Trilha de Programação Prática de GPU
Curso intermediário com foco em como escrever, perfilar e ajustar kernels de GPU para cargas comuns de IA, com exemplos funcionais em frameworks amplamente usados. Para desenvolvedores que já trabalham com Python e querem entender o comportamento de desempenho do hardware que seus modelos usam.
O que você vai cobrir:
Escrita de kernels: threads, blocos e grids
Perfilamento com Nsight e ferramentas de linha de comando
Otimização de memory bandwidth e ocupação
Integração com PyTorch e frameworks de IA
Notebooks e datasets de exemplo incluídos
Acesso ao espaço de discussão em comunidade
Investimento
R$ 1.980
Programa de Operações de Cluster
Programa sênior sobre como operar ambientes multi-GPU: agendamento, monitoramento, planejamento de capacidade e fluxo de trabalho de equipe em torno de computação compartilhada. Para engenheiros que estão assumindo funções de infraestrutura ou que já gerenciam esses ambientes e querem estruturar melhor suas práticas.
O que você vai cobrir:
Agendadores de jobs: SLURM e Kubernetes para GPU
Monitoramento de cluster: métricas, alertas e dashboards
Planejamento de capacidade e gestão de alocações
Fluxos de equipe: políticas de acesso e compartilhamento
Estudos de caso com análise de decisões operacionais
Revisões ao vivo com mentor e checklists de referência
Investimento
R$ 5.400
Qual curso é para você?
Veja o que cada trilha inclui e qual combina melhor com seu nível e objetivos atuais.
| Recurso | Fundamentos R$ 550 |
Prog. Prática R$ 1.980 |
Cluster Ops R$ 5.400 |
|---|---|---|---|
| Nível recomendado | Iniciante | Intermediário | Sênior |
| Duração estimada | ~4 semanas | ~8 semanas | ~10 semanas |
| Leituras e diagramas | |||
| Notebooks de laboratório | — | ||
| Comunidade de discussão | — | ||
| Revisões ao vivo com mentor | — | — | |
| Checklists operacionais | — | — |
Como decidir:
Se você nunca trabalhou com o lado de hardware de IA, comece pelo Fundamentos. Se já entende os conceitos básicos e quer escrever código eficiente, escolha a Trilha Prática. Se você está assumindo responsabilidade sobre um cluster ou quer estruturar operações existentes, o Programa de Cluster é o mais adequado.
O que todos os cursos compartilham
Conteúdo em português
Todo o material — textos, exemplos, suporte e revisões — é desenvolvido e entregue em português do Brasil.
Acesso por 12 meses
Após a matrícula, você acessa o material por 12 meses. Estudar no seu ritmo, revisar módulos e consultar o conteúdo quando precisar.
Verificação por módulo
Cada módulo encerra com um bloco de verificação de conhecimento. O objetivo é identificar lacunas, não pontuar.
Privacidade conforme LGPD
Dados de alunos tratados de acordo com a Lei Geral de Proteção de Dados. Sem compartilhamento comercial de informações pessoais.
Revisão semestral
O material de cada curso é revisado formalmente a cada seis meses para refletir mudanças relevantes em hardware e ferramental.
Registro de conclusão
Ao concluir a trilha, você recebe um registro formal com os módulos cobertos — documentação adequada para CVs e processos seletivos.
Investimento por trilha
Fundamentos de Aceleradores
R$ 550
pagamento único
- Leituras e diagramas anotados
- Verificações de conhecimento
- Registro de conclusão
- Acesso por 12 meses
Programação Prática de GPU
R$ 1.980
pagamento único
- Tudo do nível anterior
- Notebooks de laboratório
- Datasets de exemplo
- Comunidade de discussão
Programa de Cluster Operations
R$ 5.400
pagamento único
- Tudo dos níveis anteriores
- Estudos de caso reais
- Revisões ao vivo com mentor
- Checklists operacionais
Não sabe por qual curso começar?
Descreva sua experiência atual e o que você quer desenvolver. Retornamos com uma indicação de trilha em até um dia útil.
Entrar em Contato