Workshop | Prompt Engineering & RAG | v3



Quero acessar agora

✍️ 100% prático ㅤ|ㅤ🔥 On-demandㅤ|ㅤ💻 1 ano de acesso

✍️ 100% prático ㅤ|ㅤ💻 1 ano de acesso

Saia da paralisia tecnológica_

Construa soluções que transformam documentos complexos em sistemas inteligentes e se posicione como o profissional que empresas data-driven estão desesperadamente procurando.

O sistema que você vai criar serve como prova concreta da sua capacidade técnica e base sólida para implementar soluções similares em contextos empresariais reais.


Começar agora

Certificado de Conclusão

6 Horas de conteúdo Teórico e Prático

Repositório GitHub Completo

1 ano de acesso

⚠️ㅤvocê já está em desvantagem

Se você trabalha com dados e ainda não domina GenAI, RAG, e Engenharia de Prompts_

78% das grandes empresas globais já usam GenAI em algum processo operacional interno. Fonte: McKinsey Global Survey on AI, março/2025

RAG (Retrieval-Augmented Generation) é a arquitetura mais adotada por empresas que criam aplicações customizadas de IA generativa. Crescimento de +305% em projetos open-source com LangChain e RAG entre Q3/2023 e Q2/2024. Fonte: GitHub Data Index + LangChain Analytics Report, maio/2025

Profissionais com domínio em Prompt Engineering têm salários 38% maiores, mesmo em cargos não-sênior. Fonte: Stack Overflow Developer Survey 2024 + Glassdoor AI Comp Report 2025

60% dos líderes de engenharia afirmam que dominar Prompt Engineering e RAG será obrigatório até o fim de 2025 para devs, engenheiros de dados e cientistas que atuam com IA. Fonte: State of AI in Data Teams Report 2025 – Andreessen Horowitz & Scale AI

O termo “Prompt Engineer” já aparece em mais de 12 mil vagas internacionais — e mais de 1.100 no Brasil. Fonte: LinkedIn Jobs Insight, junho/2025

E se você sente que está ficando pra trás, mesmo sabendo o quanto tem pra entregar… esse workshop foi feito pra você.

Você vai entender como um sistema de IA pode extrair informações reais de documentos, responder perguntas como um analista e economizar horas de trabalho humano.

E mais importante: vai ser você construindo isso.



🫵ㅤDescubra se é para você

Para Quem é Esse Workshop?_

Este workshop é pra você que trabalha com dados e já entendeu que IA vai ser parte do seu trabalho (se já não estiver sendo)

Durante as sessões práticas, você vai aprender a implementar soluções reais que pode aplicar imediatamente no seu trabalho, construindo um portfólio de automações que demonstra sua capacidade técnica e gera resultados concretos para sua carreira

📚ㅤEMENTA

O que você vai aprender neste Workshop?_

Ao completar este workshop, você terá construído um sistema completo de IA que processa documentos empresariais e responde perguntas inteligentes sobre os dados, demonstrando competência prática em duas das tecnologias mais demandadas no mercado atual: Prompt Engineering e RAG.

O sistema criado serve como portfolio piece demonstrável e base para implementação de soluções similares em contextos empresariais reais.


Liberar meu acesso agora

Módulo 1

1 hora

Fundamentos de GenAI

Objetivo: Estabelecer base sólida sobre como LLMs funcionam e suas aplicações práticas

  • Como funcionam os Large Language Models (LLMs)

  • GPT, Claude, Gemini: capacidades e limitações específicas

  • Conceito de tokens e janela de contexto

  • Parâmetros importantes: temperature, max_tokens, top_p
  • Aplicações empresariais reais de LLMs

  • Casos de sucesso em automação de documentos

  • Conceito de tokens e janela de contexto

  • ROI típico em projetos de GenAI
  • Comparação de modelos para extração de dados

  • OpenAI vs Google vs Anthropic para documentos estruturados
  • Como funcionam os Large Language Models (LLMs)

  • GPT, Claude, Gemini: capacidades e limitações específicas

  • Conceito de tokens e janela de contexto

  • Parâmetros importantes: temperature, max_tokens, top_p
  • Aplicações empresariais reais de LLMs

  • Casos de sucesso em automação de documentos

  • Conceito de tokens e janela de contexto

  • ROI típico em projetos de GenAI
  • Comparação de modelos para extração de dados

  • OpenAI vs Google vs Anthropic para documentos estruturados

  • Demo ao vivo: extraindo dados de invoice UberEats usando prompts básicos

  • Comparação de resultados entre diferentes modelos

  • Análise de custos por token para cada provider

  • Demo ao vivo: extraindo dados de invoice UberEats usando prompts básicos

  • Comparação de resultados entre diferentes modelos

  • Análise de custos por token para cada provider
  • Entregável: Compreensão clara das capacidades e limitações dos LLMs principais

Módulo 2

1 hora

Prompt Engineering Aplicado

Objetivo: Dominar técnicas avançadas para criar prompts que geram resultados consistentes e precisos

  • Anatomia do prompt profissional

  • Estrutura: Role + Context + Task + Format + Examples

  • Princípios de clareza, especificidade e consistência
  • Técnicas avançadas essenciais

  • Few-shot learning: ensinando com exemplos

  • Chain-of-thought: raciocínio passo-a-passo

  • Output formatting: JSON, XML, estruturas customizadas
  • Anatomia do prompt profissional

  • Estrutura: Role + Context + Task + Format + Examples

  • Princípios de clareza, especificidade e consistência
  • Técnicas avançadas essenciais

  • Few-shot learning: ensinando com exemplos

  • Chain-of-thought: raciocínio passo-a-passo

  • Output formatting: JSON, XML, estruturas customizadas

  • Playground de Prompt Engineering

  • Desafio prático: Criar prompt que funcione para 5 tipos diferentes de invoice

  • Metodologia de teste: Como validar consistência das extrações

  • Playground de Prompt Engineering

  • Desafio prático: Criar prompt que funcione para 5 tipos diferentes de invoice

  • Metodologia de teste: Como validar consistência das extrações
  • Entregável: Biblioteca de prompts otimizados para diferentes tipos de documento

Módulo 3

1 hora

Fundamentos de RAG

Objetivo: Entender a arquitetura RAG e quando aplicá-la para superar limitações dos LLMs

  • Por que RAG é necessário

  • Limitações de conhecimento dos LLMs

  • Dados privados vs dados públicos

  • Custo-benefício vs fine-tuning
  • Arquitetura RAG explicada

  • Chunking: estratégias para dividir documentos

  • Embeddings: transformando texto em vetores numéricos

  • Vector databases: armazenamento e busca semântica

  • Retrieval + Generation: como combinar busca com geração
  • Por que RAG é necessário

  • Limitações de conhecimento dos LLMs

  • Dados privados vs dados públicos

  • Custo-benefício vs fine-tuning
  • Arquitetura RAG explicada

  • Chunking: estratégias para dividir documentos

  • Embeddings: transformando texto em vetores numéricos

  • Vector databases: armazenamento e busca semântica

  • Retrieval + Generation: como combinar busca com geração
  • Construção manual de RAG simples

  • Criando embeddings de invoices diferentes

  • Testando busca semântica: “gastos com comida japonesa”

  • Comparando resultados de diferentes estratégias de chunking
  • Construção manual de RAG simples

  • Criando embeddings de invoices diferentes

  • Testando busca semântica: “gastos com comida japonesa”

  • Comparando resultados de diferentes estratégias de chunking
  • Entregável: Compreensão prática de como RAG funciona internamente

Módulo 4

1 hora

LangChain & LangFlow – Ferramentas Profissionais

Objetivo: Setup do ambiente e domínio das ferramentas padrão da indústria para desenvolvimento RAG

  • LangChain: o framework padrão

  • Componentes principais: Chains, Prompts, Memory, Agents

  • Quando usar LangChain vs desenvolvimento próprio

  • Ecosystem e integrações disponíveis
  • LangFlow: prototipagem visual

  • Interface drag-and-drop para construir pipelines

  • Vantagens para iteração rápida e demonstrações

  • Exportação para código Python/LangChain
  • LangChain: o framework padrão

  • Componentes principais: Chains, Prompts, Memory, Agents

  • Quando usar LangChain vs desenvolvimento próprio

  • Ecosystem e integrações disponíveis
  • LangFlow: prototipagem visual

  • Interface drag-and-drop para construir pipelines

  • Vantagens para iteração rápida e demonstrações

  • Exportação para código Python/LangChain
  • Setup completo do ambiente

  • Instalação via Docker (ambiente reproduzível)

  • Configuração de API keys e variáveis de ambiente

  • Primeiro pipeline: chain simples de pergunta-resposta
  • Familiarização com LangFlow

  • Interface e componentes disponíveis

  • Construção de workflow básico

  • Exportação e comparação com código LangChain equivalente
  • Setup completo do ambiente

  • Instalação via Docker (ambiente reproduzível)

  • Configuração de API keys e variáveis de ambiente

  • Primeiro pipeline: chain simples de pergunta-resposta
  • Familiarização com LangFlow

  • Interface e componentes disponíveis

  • Construção de workflow básico

  • Exportação e comparação com código LangChain equivalente
  • Entregável: Ambiente funcional + compreensão das ferramentas principais

Módulo 5

1.5 horas

Pipeline de Extração UberEats

Objetivo: Construir sistema robusto de extração de dados de documentos variados

Caso Prático: Sistema que processa invoices UberEats com diferentes layouts e extrai dados estruturados consistentes

  • Design do pipeline completo

  • Input: upload de PDFs com layouts variados

  • Processing: chain de extração com prompt otimizado do Módulo 2

  • Validation: regras de negócio e formatação

  • Output: JSON estruturado com dados padronizados
  • Implementação hands-on

  • Configuração de componentes no LangFlow

  • Teste com dataset de invoices reais

  • Debugging e refinamento iterativo
  • Design do pipeline completo

  • Input: upload de PDFs com layouts variados

  • Processing: chain de extração com prompt otimizado do Módulo 2

  • Validation: regras de negócio e formatação

  • Output: JSON estruturado com dados padronizados
  • Implementação hands-on

  • Configuração de componentes no LangFlow

  • Teste com dataset de invoices reais

  • Debugging e refinamento iterativo
  • Error handling profissional

  • Como lidar com PDFs corrompidos ou mal formatados

  • Fallback strategies para extrações incompletas

  • Logging e monitoramento de qualidade
  • Batch processing

  • Processamento de múltiplos invoices simultaneamente

  • Otimização de performance e custos de API
  • Enriquecimento de dados

  • Adição de metadata (timestamp, fonte, confiabilidade)

  • Categorização automática (tipo de cozinha, faixa de preço)
  • Error handling profissional

  • Como lidar com PDFs corrompidos ou mal formatados

  • Fallback strategies para extrações incompletas

  • Logging e monitoramento de qualidade
  • Batch processing

  • Processamento de múltiplos invoices simultaneamente

  • Otimização de performance e custos de API
  • Enriquecimento de dados

  • Adição de metadata (timestamp, fonte, confiabilidade)

  • Categorização automática (tipo de cozinha, faixa de preço)
  • Entregável: Sistema de extração robusto e pronto para uso profissional

Módulo 6

1.5 horas

RAG Inteligente para Análise

Objetivo: Construir sistema RAG que responde perguntas complexas sobre os dados extraídos

  • Chunking otimizado para invoices

  • Estratégias específicas para dados financeiros

  • Preservação de contexto (relacionamentos entre itens)

  • Metadata para filtering avançado
  • Vector Store e indexing

  • Configuração de ChromaDB/FAISS

  • Estratégias de embedding para dados estruturados

  • Otimização de retrieval para diferentes tipos de query
  • Chunking otimizado para invoices

  • Estratégias específicas para dados financeiros

  • Preservação de contexto (relacionamentos entre itens)

  • Metadata para filtering avançado
  • Vector Store e indexing

  • Configuração de ChromaDB/FAISS

  • Estratégias de embedding para dados estruturados

  • Otimização de retrieval para diferentes tipos de query
  • Pipeline completo no LangFlow

  • Retrieval: busca semântica nos dados processados

  • Prompt augmentation: injeção inteligente de contexto

  • Response generation: respostas precisas e fundamentadas
  • Funcionalidades avançadas

  • Memory para conversas contextualizadas

  • Filtering por período, restaurante, valor, categoria

  • Aggregations: somas, médias, comparações temporais
  • Pipeline completo no LangFlow

  • Retrieval: busca semântica nos dados processados

  • Prompt augmentation: injeção inteligente de contexto

  • Response generation: respostas precisas e fundamentadas
  • Funcionalidades avançadas

  • Memory para conversas contextualizadas

  • Filtering por período, restaurante, valor, categoria

  • Aggregations: somas, médias, comparações temporais
  • Perguntas de Business Intelligence

  • “Qual o faturamento total de cada restaurante em fevereiro?”

  • “Quais estabelecimentos tiveram crescimento acima de 20%?”

  • “Qual a sazonalidade dos pedidos por tipo de cozinha?”
  • Análises comparativas

  • Performance entre períodos

  • Benchmarking de diferentes parceiros

  • Identificação de tendências e anomalias
  • Perguntas de Business Intelligence

  • “Qual o faturamento total de cada restaurante em fevereiro?”

  • “Quais estabelecimentos tiveram crescimento acima de 20%?”

  • “Qual a sazonalidade dos pedidos por tipo de cozinha?”
  • Análises comparativas

  • Performance entre períodos

  • Benchmarking de diferentes parceiros

  • Identificação de tendências e anomalias
  • Entregável: Sistema RAG completo que funciona como analista de dados conversacional

🎁ㅤRepositório GitHub Completo

Materiais Entregues_

  • Código fonte de todos os pipelines desenvolvidos
  • Dataset realista de invoices UberEats
  • Templates de LangFlow prontos para customização
  • Documentação técnica detalhada

🔥ㅤchegou a hora

Investimento simbólico para um retorno gigante!_

Esse treinamento custa apenas R$ 97,00, um valor que não chega nem perto do que você ganharia aplicando esse conhecimento no mercado.

O custo real para um curso desse nível seria 3X mais… Mas hoje, você vai pagar menos que um almoço por dia.


  • Acesso ao workshop por 1 ano

  • Workshop com 6 módulos práticos sobre Prompt Engineering & RAG

  • Repositório com código completo, templates de prompts e workflows prontos

  • Dataset realista de invoices UberEats para treinar, testar e adaptar

  • Acesso ao ambiente LangFlow configurado com instruções passo-a-passo

  • Certificado de conclusão com comprovação de projeto aplicado

  • Networking com outros profissionais de dados + Comunidade exclusiva de suporte durante o evento

✍️ 100% prático ㅤ|ㅤ🔥 On-demandㅤ|ㅤ💻 1 ano de acesso

De: R$297 Por apenas:

R$97,00

Ou 12x de R$9,70

ADQUIRIR AGORA


  • Acesso ao workshop por 1 ano

  • Workshop com 6 módulos práticos sobre Prompt Engineering & RAG

  • Repositório com código completo, templates de prompts e workflows prontos

  • Dataset realista de invoices UberEats para treinar, testar e adaptar

  • Acesso ao ambiente LangFlow configurado com instruções passo-a-passo

  • Certificado de conclusão com comprovação de projeto aplicado

  • Networking com outros profissionais de dados + Comunidade exclusiva de suporte durante o evento





Teste sem risco. Seu dinheiro de volta se não gostar_

Você tem 7 dias inteiros para experimentar o workshop, acessar o conteúdo, usar os materiais e começar a construir seu sistema com GenAI.
Se nesse período você perceber que não é pra você, é só entrar em contato conosco.
Sem perguntas. Sem burocracia. Sem letras miúdas.

Acessar workshop agora

💬ㅤDEPOIMENTOS DE OUTROS WORKSHOPS

Veja o que dizem alguns dos milhares de alunos que já participaram dos nossos workshops_



🎓ㅤseu mentor

Luan Moreno_


  • Global Speaker: Palestrou no Data Summit 2025 e eventos internacionais que definem o futuro da IA

  • Microsoft MVP: Por 7 anos consecutivos, um dos maiores reconhecimentos globais para especialistas em tecnologia.

  • Professor de alto nível: Autor de treinamentos e formações que já impactaram mais de 50 mil profissionais

  • Databricks MVP: Apenas 1% dos profissionais globais recebem esse reconhecimento

Como Principal Data Architect e Lead Data Engineer na Pythian (Multinacional Canadense), ele trabalha com as tecnologias mais avançadas de GenAI antes mesmo delas chegarem ao mercado. Ele vê os problemas reais que as maiores empresas do mundo enfrentam e cria soluções que valem milhões.

Mas, porque ele escolheu criar este workshop para você?

Porque sabe que o Brasil precisa de mais profissionais preparados para a revolução da IA. 

Quando Luan fala sobre Prompt Engineering e RAG, ele não está repetindo tutoriais do YouTube. Ele está compartilhando insights diretos de quem implementa essas tecnologias nas maiores empresas do mundo, todos os dias.

Não Procrastine com a Sua Evolução, Garanta Agora e Não Fique Para Trás_

E se você sente que está ficando pra trás, mesmo sabendo o quanto tem pra entregar… esse workshop foi feito pra você.
Você vai entender como um sistema de IA pode extrair informações reais de documentos, responder perguntas como um analista e economizar horas de trabalho humano.
E mais importante: vai ser você construindo isso.


Acessar workshop agora


Engenharia de Dados Academy 2025 © Todos os direitos reservados