Llm on Fellipe Gomes

Cursos que eu fiz e recomendo

Thu, 23 Jul 2026 00:00:00 +0000

Comece por aqui

3 cursos

Se você está começando do zero e quer uma trilha só, esses cursos podem ajudar. Os três cobrem uma boa introdução: visão geral, sintaxe, estatística aplicada e um primeiro modelo rodando.

LLM local com Qwen e LangChain: agente sem APIs externas

Thu, 26 Feb 2026 00:00:00 +0000

Série: LangChain — Agentes com Python — ver índice

Por que rodar LLMs localmente?

Nos últimos anos, o mundo dos modelos de linguagem de grande porte (LLMs) deixou de ser um território exclusivo das gigantes americanas. Uma leva de modelos open-weight de origem chinesa como o Qwen (Alibaba), o DeepSeek e o Yi chegaram com qualidade surpreendente e, mais importante, com pesos disponíveis publicamente. Li sobre alguns deles em um post que apareceu no meu LinkedIn e fiquei curioso para testar: será que dá para rodar um desses modelos localmente no meu Mac e ainda plugar ele num agente LangChain funcional?

Equipe Multiagente com LangChain e LangGraph para Análise do Bitcoin

Sun, 04 May 2025 00:00:00 +0000

Série: LangChain — Agentes com Python — ver índice

Por que Analisar o Mercado Bitcoin com Agentes de IA?

O cenário do bitcoin sempre foi meio intrigante. Foi lançado há 16 anos mas até hoje ninguém sabe ao certo quem está por trás do projeto — o criador, conhecido apenas pelo pseudônimo Satoshi Nakamoto, nunca revelou sua identidade. Além disso o bitcoin foi a primeira e ainda é a mais conhecida aplicação da tecnologia Blockchain, que revolucionou a forma como lidamos com registros digitais e segurança dos dados. Sua natureza descentralizada e sua notória volatilidade o tornam um ativo único.

Extração de informações de imagens com IA Generativa

Fri, 27 Sep 2024 00:00:00 +0000

Caso de Uso de IA Generativa: Extração de Informações de Imagens com o Modelo Llava

GenAI refere-se a modelos de inteligência artificial capazes de gerar conteúdo novo e criativo a partir de dados de entrada. Seu uso está revolucionando a maneira como processamos dados não estruturados, como imagens, áudios, textos, vídeos, etc. Trabalhar com modelos pré-treinados (i.e., que já foram treinados com grandes conjuntos de dados) e adaptá-los para necessidades específicas tem sido um divisor de águas.

Detecção de Linguagem Tóxica com o LLM Gemma e LangChain

Sun, 26 May 2024 00:00:00 +0000

Série: LangChain — Agentes com Python — ver índice

Análise de Sentimentos com Llama2
→ Detecção de Linguagem Tóxica com Gemma
Equipe Multiagente para Bitcoin
Agente para Ligações de Telemarketing
LLM Local com Qwen sem APIs

Caso de Uso de IA Generativa: Detecção de Linguagem Tóxica em Mídias Sociais

Neste post, realizaremos a tarefa de detecção de linguagem tóxica em mídias sociais usando o modelo Gemma de IA generativa do Google com o framework LangChain. Vamos explorar como o texto de entrada afeta a saída do modelo e faremos alguma engenharia de prompts para direcioná-lo à tarefa necessária.

Análise de Sentimentos com um "ChatGPT" de Código Aberto

Sat, 20 Apr 2024 00:00:00 +0000

TL;DR

O modelo Llama2-7b-chat-hf foi executado localmente via Hugging Face Transformers para classificar textos como positivos, negativos ou neutros, sem custo de API.

A abordagem foi avaliada contra o VADER (léxico clássico de análise de sentimentos) em um conjunto de avaliações de filmes em inglês, usando acurácia como métrica.

O Llama2 superou o VADER na captura de ironia e contexto, mas com latência significativamente maior — evidenciando o trade-off entre profundidade semântica e velocidade de inferência.

Série: LangChain — Agentes com Python — ver índice