Unknown

foi boa noite seja muito bem-vindo ao terceiro dia do ai Dev Week hoje o dia mais tor do conteúdo mais ah digamos assim promissor paraa sua ah alavancada aí na carreira de Inteligência Artificial principalmente para você que tá aí gostando desse conteúdo que vê que a gente tem um mar de oportunidade para criar a aplicações de ia cara hoje vai ser muito fera Tá bom então seja muito bem-vindo uma honra muito grande Tá aqui contigo eh uma honra muito grande poder parar aí um o seu tempinho e tá trocando ideia aqui comigo sobre esse mundo

da Inteligência Artificial que vem realmente criando soluções Ah que vem salvando vidas que vem criando novas oportunidades criando novos nichos novos negócios enfim a gente não precisa nem se delongar nas oportunidades né então hoje nós vamos falar sobre um tema muito mas muito importante Ah para o desenvolvimento de aplicações com inteligência artificial nós vamos falar sobre vários mas nós vamos começar eh talvez naquele que seja o calcanhar de Aquiles daqueles daquele que ah porventura não saiba Ah que não compreende muito bem o mundo do desenvolvimento e do desenvolvimento de de llms do mundo de desenvolvimento

de aplicações Ah que se utilizam de rag Systems que se utiliza de de Agentes cara a gente vai falar um pouco sobre Vector DB ou seja banco de dados vetorial né se você não sabe o que que é Relaxa eu vou a gente vai entrar aqui num banco de dados específicos vamos configurar ele hoje vamos entrar num ambiente aqui ah onde a gente consiga visualizar o que está acontecendo eu vou apresentar para vocês um Case cara que ele é a cara de um Saas praticamente porque você pode muito bem implantar esse software de forma distribuía

ah você pode colocar esse software dentro de um de uma empresa qualquer Porque todo o conteúdo que ele tem é um conteúdo aberto é um conteúdo muito profissional que automatiza a parte desse trabalho com banco de dados vetorial Ah que nem todas as soluções vão ter enfim o conteúdo hoje por isso que eu falei prepara um copo com água aí porque hoje vai ser tora Tá bom então ó aproveitando eu queria né aproveitar pedir para você já curtir o vídeo aí não custa nada né já dá aquela curtidinha para avisar pro YouTube que o conteúdo

é bom tá bom se você dá uma curtida aí o YouTube fala assim Opa beleza esse conteúdo é legal vou distribuir para mais pessoas e é claro se você tem aí alguém algum programador conhecido aí teu alguém da área de que você goste manda esse conteúdo para ele aí porque eu tenho certeza que esse conteúdo pode ajudar ele de alguma forma Tá bom então Zé finir Bora paraa frente cara parada é o seguinte nós vamos falar de banco de dado vetorial só que para falar de banco de dado vetorial a gente precisa explicar um pouco

do Por que essa parada é necessária no mundo de hoje né bem a gente falou sobre llms a gente falou sobre agentes a gente falou sobre rag só que eu não falei uma coisa que também é muito importante que tem a ver com o llm que são os modelos ah os modelos vetoriais os modelos de busca semântica que que são esses modelos eles são geralmente modelos menores do que os llms e eles T uma característica Ah que talvez seja a característica primordial que é o seguinte ele consegue compreender e interpretar os vetores né então de

forma bem resumida e de forma bem simplória nós temos modelos de eding que são modelos o que que são os embeddings né os imeds compreenda aí como vetores vetores numéricos mesmo tá bom ah por que que esses modelos eles são importantes Eduardo me explica eu vou te falar quando a gente tá trabalhando ah com um sistema ah e esse sistema ele precisa receber dados como hag ah a gente vem falando aqui que muitas vezes a gente consegue até conectar o llm num banco de dados para que a gente possa colocar essa informação para de certa

forma o llm fazer ali um trabalho Ah que compreenda esses dados que estão sendo adicionados a gente precisa entregar não o dado bruto mas o dado na forma vetorial e É Para Isso que Servem os bancos de dados vetoriais Então pensa aí é um banco de dados se você já conhece banco de dados aí Ah é É uma estrutura onde a gente vai colocar tabelas lá dentro aqui dentro do banco de dados vetorial a gente chama de pura e simplesmente um índice e esses índices vão ter as linhas os registros que que são os registros

são os vetores tá bom E aí dependendo do tipo de modelo dependendo do tipo de modelo de embedding que a gente chama o tamanho desse vetor ele tem tamanhos específicos Então quais são as as principais informações que você vai ter aqui ao longo desse processo é compreender qual é o modelo de embedding que você tá usando é como se fosse o o llm né ah o vou usar o quê eu vou usar o cloud porque ele é bom em código eu vou usar o o GPT 4 porque ele é bom em resolução de problema Geral

cara você vai usar qual emb beding para fazer aí esse trabalho de armazenamento vetorial para depois a gente fazer a busca semântica que a gente chama né por isso que o nome tá aqui ó semantic search né A Busca semântica a gente tem a figura do ah do do modelo do modelo de edging Tá bom então é de forma bem resumida é simplesmente para isso que serve o o vetor de banco de dados mas Eduardo por que que eu preciso desse vetor aí por por que que eu preciso armazenar essas informações porque é o seguinte

a gente tem imagina o contexto onde eu vou entregar ali uma estrutura de dados pro pro llm fazer ali a interpretação só que esse essa característica desse desse modelo de embedding Ele é especialista ele tá ele vai ser treinado de acordo com Ah um assunto específico e eu vou te dar um exemplo bem claro aqui de um de um tema que a gente pode usar e a gente vai usar aqui hoje eu vou ter um arcabouço jurídico ali então eu tenho várias peças jurídicas ali várias ah casos específicos eu vou pegar esses casos específicos que

possam ser a do meu escritório de advocacia que possa ser do meu tribunal que possa ser do meu ministério enfim vai vai expandindo né eh e eu vou transformar esses dados em vetores para que depois o modelo especialista em fazer o a interpretação dos edgings possa me trazer a busca de acordo com a similaridade desses casos específicos do meu escritório do meu Tribunal do meu ministério e aí você consegue eh expandir essa ideia tranquilo Beleza então ótimo Eduardo ah Quais são os bancos de dados vetoriais que existem hoje aí nossa é até complexo né deixa

eu fazer uma brincadeira com chat ept aqui ó me dá uma lista de 10 bancos de dados vetoriais vetoriais llm ó Vou até escrever errado mas para você ver que o a parada funciona então ó pancon é um vivate é outro milos quadrante esse quadrante a gente até falou dele ontem né chroma redis Ou seja você tá começando a perceber que existem alguns bancos de dados vetoriais Beleza então ó dadas essas informações Existem algumas E como que você vai escolher um depende da característica e das das funcionalidades do custo Depende de várias coisas né então

quando você for trabalhar com banco de dado vetorial você vai ah utilizar o banco de dados que se adeque ao problema de negócio que você vai est desenvolvendo para você que tá começando ou para você que Ah tem um contexto mais superficial Isso não é um momento para você se preocupar com isso mas é só para ficar claro que existem características existem peculiaridades E do mesmo jeito que você vai testar a a estrutura de um llm para fazer um projeto você também vai testar a caracterização a característica do banco de dados vetorial também tá bom

Por quê Porque é importante e os bancos de dados vetoriais como aquilo que eu venho sempre falando nós estamos no mundo de api pessoal no mundo de api Então as próprias empresas Elas já estão Ah aqui principalmente no mundo de tecnologia acostumada com essa ideia de que o cara vai comprar ou vai assinar o meu serviço se ele experimentar então A grande maioria das Ferramentas vão entregar para você uma um tempo de teste um espaço de teste uma quantidade de teste para que você faça aí a experiência para saber se realmente esse banco de dados

vai se adequar aí no teu Case tá bom ótimo legal Eduardo então a gente tá aqui com o pinecone a gente vai trabalhar com o pinecone e mais à frente a gente vai est trabalhando com Case super específico onde inclusive esse banco de dados vetorial já vai estar trabalhando por trás ali mas então para que você compreenda exatamente o que que vai tá acontecendo ali por trás a gente vai brincar um pouco aqui com o Pine conone Tá bom então ó essa é a estrutura do Pine conone eu tô aqui no na estrutura do desse

banco de dados vetorial eu tenho já alguns índices criado aqui tá bom o processo de criação de índice é a coisa mais fácil do mundo tá você dá um nome você escolhe ali uma região na verdade eh é tá você escolhe a região você escolhe a dimensão tá bom a dimensão ela vai ser importante de acordo com a de acordo com o banco de dados vetorial de acordo com o modelo de eding que você vai tá utilizando né então então é tudo isso vai fazer parte o que a gente vai fazer agora num Case é

você vai entender o processo de armazenamento e não só isso você vai entender o processo de armazenamento e também vai entender ah vai entender Quais são as informações eh que estão sendo armazenadas Por que elas estão sendo armazenadas E como que elas vão ser recuperadas para depois sim você entrar no Case Ah já valendo na Vera porque é assim que a gente aprende Beleza então primeira coisa que vou fazer aqui é instalar uma série de de de dependências para rodar essa aplicação Tá bom a gente vai agora fazer o trabalho de busca semântica que se

utiliza do banco de dados vetorial nós vamos utilizar para isso uma uma série de de datasets uma série de datasets não um dataset que contém uma série de eh informações que a gente vai eh que que a gente vai trabalhar como exemplo Tá bom eu vou pegar aqui o um dataset muito famoso que armazena aquelas informações do Cora que é um grande blog aí principalmente conhecido no mundo da tecnologia e tal tá bom e de forma bem resumida O que que tem e o que que a gente vai usar desse dataset é um campo chamado

metadata que contém ali texto tá bom que conté a parte textual porque é essa informação que a gente quer trabalhar Beleza então ó Isso aqui é simplesmente para eu pegar um fazer um filtro nesse dataset trabalhar aqui com uma quantidade pequena né desses registros porque que ah o dataset Ele é bem grande então a gente vai pegar um pedaço qualquer para que a gente faça o armazenamento dessas informações lá no banco de dados vetorial ah depois fazer o trabalho o processo de embedding tá bom só para você olhar o tamanho aqui nós estamos ah utilizando

80.000 linhas aqui mais ou menos Tá bom então agora enquanto isso a gente tá falando de linhas nós não estamos falando de Vetor ainda nós estamos falando das Linhas nós vamos transformar essas linhas em vetores e é aí que tá a grande pegada disso tudo bem a gente vai começar a utilizar a nossa primeira api que é a api do pinec é free Tá bom já tá aqui destacado para você ficar super tranquilo quanto a isso você vai vir aqui no pinecone você vai criar uma apq aqui no no app. pinecone Tá bom depois você

vai buscar sua I que está bem aqui beleza ficou até cofico né k que tá bem aqui você vai criar aí uma uma uma chave você vai utilizar essa chave aqui no seu no no Google cab você vai colocar aqui eu tô utilizando ela aqui tá bom Ó pinecone apiq do jeito que ele escreveu aqui ó pinecone apiq assim que ele te fornecer você vai colar aqui e habilitar essa setinha para você usar aqui no ambiente seguro do Google collab Tá bom então eu vou importar a minha IPI aqui vou verificar se tá tudo certo

com ela nessa célula Tá bom se tiver dado algum problema você vai receber mas de de antemão ela já está de boa bem eu sei ali a quais são algumas características por exemplo Ah eu vou acessar a parte da Cloud ali dess desse banco de dados que tá em Cloud e eu vou setar a WS que é onde tá esse o o pinecone Se você olhar aqui ó eu vou eu vou voltar aqui no meu Database eu eu tenho aqui ó se você olhar para cá eu tenho a a região as regiões eu posso escolher

as regiões a gente vai utilizar essa região que tá é uma região aberta aqui tá aws região e Us One tá bom essa informação eu já vou informar aqui o que eu tô fazendo aqui no Python É eu tô modificando já o banco de dados Beleza o Python ele é ele é muito bom porque a gente consegue trabalhar dessa forma né dado que eu coloquei a a api eu consigo fazer as alterações até mesmo dentro da da do do próprio P se você já trabalha com JavaScript Ah isso aí para você também vai ser bem

moleza Belê para quem tá começando relaxa que tudo um passo a passo beleza ótimo agora que eu acessei e eu já falei qual é a região eu vou ah criar o nome né então Ó eu tenho aqui um nome Inclusive eu vou sobrescrever esse nome o nome do índice e o índice ele tem algumas características ó o nome que eu tô usando aqui ó semantic search Fast beleza tá aqui embaixo ó sem tá aqui em cima ó semantic search semantic search Fast é um banco de dados é um banco de dados vetorial e é um

banco de dados que tem a as dimensões Ah deixa eu voltar aqui para eu te mostrar qual é a dimensão dele 384 tá bom Ó esse é um banco de dados vetorial que a gente tá pegando um dataset pequeno frases curtas então e Inclusive a dimensão dele vai ser bem pequenininha 384 Belê então ó criei o índice agora eu vou criar um código para para que a gente possa armazenar ali as informações da dimensão Beleza então Ó eu adiciono as informações da dimensão Eu também tamb tem uma métrica de similaridade que a gente vai trabalhar

quando a gente fala de Vetor a gente tá pegando ali um pedacinho da nossa querida matemática onde a gente consegue fazer as buscas de similaridade Ah eu falo muito disso dentro dos treinamentos onde eu falo de eh principal component análises que é uma parte onde a gente pega eh onde a gente consegue encontrar os pontos pra gente fazer uma aproximação por meio da distância matemática né então aqui a gente tá utilizando uma distância poderia e a grande maioria dos casos a gente vai utilizar a distância de a métrica cosseno mas nesse caso aqui a gente

vai est utilizando aqui o dot product beleza aqui aqui beleza a gente vai criar essa informação aqui agora que que eu vou que que eu vou fazer agora eu vou fazer essa esses dados serem armazenados ali em lote para depois a gente utilizar o modelo de embedding Tá bom então Ó aqui a gente tá só armazenando ali as interações para que depois a a gente faça agora a utilização do modelo de embed então enquanto roda ali o modelo de embed eu vou limpar essa saída aqui porque agora que entra a parte do especialista em a

né Eh até agora essa parte parece um pouco mais do cara que é sei lá um devops um enfim hoje em dia não dá nem para pra gente fechar muita aquela coisa de de segmentos né hoje em dia todo mundo tem que tá aprendendo muito de de um bocado de coisa né então é a galera que ah está olhando para a característica da Inteligência Artificial olhando pro llm né então o cara que tá olhando pro llm ele também tá olhando PR os modelos de embed por quê Porque os modelos de imbed São aqueles caras que

vão pegar as sentenças dos nossos anexos e transformar ali no no no vetor para armazenar no banco de dados vetorial Então o que a gente vai fazer aqui agora é ele ele tá carregando aqui ele tá em mais ou menos 30% a gente tá fazendo aqui ao vivo vai demorar um cadinho mas enquanto isso ah eu já vou engatar no processo de nós temos uma biblioteca chamado sentence Transformer é uma biblioteca onde a gente armazena alguns bancos de dados vetoriais e a gente pode utilizar ele tanto no ambiente com GPU para facilitar aí o processo

de de Treinamento dado que a gente eh ou paga por uma GPU aqui no Google collab ou a gente precisa ter uma GPU Ah no nosso servidor para trabalhar com mais velocidade Só que nesse caso como a gente tá trabalhando com uma coisa bem pequena a gente vai utilizar a CPU e nós vamos utilizar esse modelo de embed tá bom é um modelo simples Esse é um Case onde a gente tá utilizando o processo para que você entenda como ele é feito mas esse modelo não é nem o melhor a ser utilizado existem n outros

modelos tá bom inclusive modelos especialistas que você começa a aprender a a fazer o ajuste fino a criar quando você detém um conhecimento um pouco maior ah do Machine do Deep learning Ah e do conhecimento de bibliotecas como L chain e por aí vai tá bom E esse isso aqui é que tá o filé é o poder de você aprender esse tipo de coisa e customizar paraas grandes empresas aí por onde você passa Fechou então ó eu vou instalar ele já tá aqui em 60% enquanto isso enquanto tá carregando aqui né Eu quero até aproveitar

deixa eu mostrar aqui a uma uma coisa bem interessante daqui um pouco eu falo para você daqui um pouco eu mostro eu vou deixar ele carregar mais um instantinho aqui e aí a gente vai passando aqui para baixo para que eu te explique o que que vai acontecer né ó nesse caso eu vou instalar a biblioteca sentence Transformers que é uma biblioteca que vai nos ajudar a buscar esse esse modelo de embedding aqui É como se eu tivesse fazendo ali o o o a acessando o chat GPT o GPT 4 Omni o GPT Omni One

E por aí vai tá bom eu tô acessando o al mini LM L6 V2 que é o modelo que a gente vai utilizar aqui que tá disponível aqui dentro dessa biblioteca que é uma das bibliotecas do rugin Face tá bom rugin Face você não conhece ainda precisa conhecer é uma é onde você conhece ali a os principais modelos abertos a a serem utilizados nas mais diversas tarefas Então cara rugen Face é uma coisa muito importante a ser analisada fechou deixa eu deixa eu já mostrar aqui uma parada que o seguinte eu vou mostrar aqui dada

a importância disso tudo enquanto tá carregando ali deixa eu mostrar para você aqui dentro o a estrutura desse conteúdo aqui no ai pro Expert por quê Porque como a muita gente pediu eu vou abrir matrículas do ai pro Expert amanhã tá bom então vou deixar amanhã abert as matrículas do ai pro Expert vou deixar uma um Descontão massa aí para quem fizer matrícula amanhã mas eu quero mostrar para você ele aqui dentro tá bom então ó essa é a estrutura do eii pro Expert tá bom tá dentro da infraestrutura da hotmart Nós temos duas trilhas

importantes aqui dentro né tem a trilha para quem tá começando e a trilha pro cara que já tá mais avançado nós temos a trilha cdpr que é o cientista de dados profissional nós temos a trilha a formação especialista em a fechou vou entrar aqui na forma só na formação cdpr para você ver a quantidade de conteúdo que a gente tem aqui dentro bem nós temos a o foco no centista de dados profissional e Então você vai aprender o pipeline do trabalho de um cientista de dados Beleza então aqui a gente tem a gente sai varrendo

a estrutura dos dados para o overview do que é preciso nós temos aqui o processo de Identificação do problema de negócio que é o coração de toda a aplicação da ciência de dados bem muito conteúdo Ah nós temos a parte de análise exploratória onde eu vou te ensinar a fazer toda a configuração Inicial Então você vai configurar setup você vai instalar o Python você vai trabalhar com os anacondas da vida com os Júpiter notebook da vida Google cab tudo isso que você tá vendo aqui você vai ter todo um overview um overview daquilo que é

importante para trabalhar com o Python o overview da estatística muitas vezes você tá começando e tem coisas que você vai precisar analisar então a parte da estatística você vai inicializar nesse processo de análise exploratória ah a gente já entra no processo de desenvolvimento de modelos preditivos então você começa a ter casos aqui com o utilização de algoritmos aquela parte de aprendizagem enfim tem coisa para caramba aqui dentro tá bom o SQL Eduardo eu nunca programei nem nada na vida cara você vai aprender o SQL que é a forma da gente trabalhar ali o relacionamento entre

tabelas entre entre enfim bases de dados e por aí vai nós temos um um treinamento de Python só para cientista de dados onde você vai entrar de forma mais aprofundada eh em banco de dados como psicope G2 que é um banco de dados postgre né uma uma biblioteca quer dizer né do do postgree para acessar a banco de Dad postgre ah bibliotecas que hoje coração aqui das aplicações de machine learning Como como o streamlit ah bibliotecas que TM análise exploratória automatizada como data prep ah pandas profiling cara tem uma porrada tá bom a parte de

processamento de dados Tem a parte de modelos eh olha só essa aqui eu tô mostrando só a parte introdutória Tá bom não vou passar em tudo não senão vai ficar muito maçante mas tem cara tudo que você precisa para até chegar aqui na frente e utilizar os modelos de machine learning machine learning é o coração é o primeiro passo para você aprender a trabalhar com llms Tá bom então você vai machine learning Deep learn sv rnn CNN transformadores E aí você chega no llm Então a gente tem aqui praticamente todos os algoritmos desde das regressões

simples logística KNN Navy base S suport Vector Machine decision TRE ensemble otimização de Hiper parâmetro Grid search randle search ah viés variância baging boosting XG Boost Light gbm aí você entra na parte não supervisionada você trabalha com PCA a Priore aí você entra ali em redes neurais tem aprendizado por reforço que é uma coisa que você não vai ver aí o treinamento É difícil ver eu trago aqui inclusive um Case da Bolsa de Valores bem interessante aqui tem L chain eh tem diversos chatbots com com com essa parte daí a generativa tem séries temporais enfim

tem coisa para cá caramba paito avançado também tem pao avançado tem parte de Deploy tem projetos análise de sentimento em tempo real com Spark Linux meu Deus eu nem lembrava que tinha esse tante de coisa aqui tem muita coisa e isso aqui é só o bônus né Deixa eu voltar para cá isso aqui é a parte introdutória para quem entrar amanhã vai levar essa parte aqui do do cientista de dados ah do do CD pro beleza mas a gente tem a parte do especialista em a E aí deixa eu entrar aqui no especialista em a

para você você v aproveitar que eu já abri Esso aqui né deixa eu mostrar o especialista em a por dentro aqui também e vamos entrar vou abrir deixa eu ver deixa eu entrar aqui deixa eu ver se vai abrir aqui e a parte do especialista em a cara aí o especialista em a tem tudo aquilo que eu tô te falando que é preciso né você vai ver tensor Flow P torch né que são os frameworks de Deep learning CNN rnn Transformer rugin Face aí você tem a parte do crei né a parte do CRE a

gente ainda tem Case ao longo dessa semana com Crew ai eu vou te fazer uma uma introdução bem interessante Então tem muita coisa do Crew Ai aqui ele é bem extenso e ele conversa com a próxima que é o l chain o l chain é o coração dessa bagaceira toda que você tá vendo aí então tem que aprender a trabalhar com l chain para você desenvolver essas operações aí tá bom só isso Eduardo nada tem plataforma de ia cluster Machine Deep learning modelagem preditiva avançada Cloud visão computacional E é claro para você tá sempre se

mantendo atualizado eu trago projetos avançados aqui de 15 em 15 dias projetos que eu venho trazendo aqui pra comunidade Beleza então Ó esse é o o overview né um overview que era para ser pequeno mas ficou um overview ah de toda a formação você vai receber amanhã Esse link as matrículas vão estar abertas a partir de amanhã 8 hor da manhã beleza aqui eu explico com todos os detalhes Ah tem um vídeo explicativo aqui nessa página onde você vai vai poder rever o que que tem dentro da formação Ah uma coisa que é importante é

vitalício tá bom gente eu não vendo acesso a 1 ano 2 anos é vitalício tá bom tem o meu suporte WhatsApp por aí vai tem aqui a todo o conteúdo detalhado é reconhecido pelo MEC Então você consegue utilizar isso aqui ah para para trabalhar para buscar crédito esse tipo de coisa tá bom não é o MBA mas ele é reconhecido pelo MEC concurso aquela coisa toda você consegue ver a a pontuação enfim você sabe muito bem a stack é gigantesca L chain stream L serer vessel github é Crew ai Open ai por a vai os

módulos da formação estão todos detalhados aqui as ferramentas as bibliotecas as aplicações cara tenho coisa para caramba só o preço tá errado aqui tá quem fizer a matrícula amanhã ao invés de 12 de 199 vai ser 12 de 129 Beleza então tem 35% de desconto em amanhã só amanhã tá bom é reconhecido pelo Mac e por aí vai tá bom amh amanhã 8 horas da manhã você vai receber o link aí deixa eu voltar para cá porque aqui o ambiente de conexão a a partir do momento em que a gente faz aqui a instalação da

biblioteca do Cent Transformers Ele pede pra gente reiniciar o o ambiente né então ele fala ó você deve reiniciar eu reiniciei agora eu vou instanciar esse modelo aqui a gente vai utilizar esse modelo para que a gente possa agora dada a os dados que eu tenha eu consiga depois fazer a query utilizando o que a gente chama de eh busca semântica tá bom É aí que tá a junção de tudo isso eu pego os dados e esse modelo vai transformar e armazenar essas informações na forma vetorial e dado que eu faça a transformação vetorial que

é salvar aquelas frasezinhas que você viu lá em cima por meio de eh vetores numéricos né então o que era uma frase lá virou 0 1 2 ã 3 2 1 n n n e aí aí a gente tem um vetor aí com a dimensão que é a dimensão de saída Ah de saída dependendo do modelo de embed que você escolhe Beleza então ótimo a gente fez agora que que eu tenho aqui eu vou fazer uma query né eu vou fazer uma query simples e aí você vai encontrar ó então por exemplo ó aqui até

deixi a query de exemplo que tá aqui ó Qual a cidade tem a maior população do mundo né Então essa é a query que a gente vai fazer aqui dentro eu esqueci de colocar aqui o índice né deixa eu deixa eu setar de novo aqui em cima acho que eu não rodei dei o índice n ah é porque ele reiniciou né deixa eu pegar aqui eu vou pegar esse cara aqui ele pediu para reiniciar reiniciou foi tudo C cilda né não tem nada não a gente volta ah n não a gente instala tudo de novo

aqui eu só preciso instalar isso aqui beleza vou instalar esse pedaço dado que eu instalei a gente vai voltar aqui para para Import aí a gente volta pro Import eu vou pegar aqui eu vou pegar aqui o processo de busca da chave Vou pegar a k processo de busca da chave Ah não O que que deu aqui deixa eu ver qual é o erro que tá aqui né Ué só só era só faltava a gravação né fui sair aqui né galera mas tem nada não vamos lá deixa eu deixa eu reiniciar aqui essa parada vamos

lá deixa eu desconectar esse ambiente de reiniciar vou desconectar não tem problema nenhum não enquanto isso a gente já vai ver a outra solução Tá bom a gente não vai perder tempo nessa parada aqui eu vou deixar rodando Isso aqui você vai ver essa parada o que que é feito em cada uma das etapas E aí só para você ter noção de como é importante a gente encontrar alguns mecanismos open source Ah que já tem toda essa estruturação já pronta por quê Porque quando você vai fazer um trabalho e esse trabalho ele é customizável não

precisa você ter todo o desenvolvimento sendo que já existe um algo pronto a ser a ser trabalhado né então a gente vai rodar essa parada aqui agora deixa eu ver se ele vai dar erro aqui não não deu erro vai importar só para eu garantir que que o negócio vai funcionar direitinho e aí a gente vai pro Picone tá bom ó e aí que que acontece né enquanto ele roda aqui a gente vai direto pro pro nosso software aqui então esse outro software eu vou pegar apiq Tá bom eu vou trabalhar com uma apiq esse

software tá rodando em docker aqui atrás tá bom é um software que tá tá tá disponível ah lá dentro da formação a galera eu tenho é porque assim é em docker E aí ele é um pouco mais complexo pra gente nesse nesse nosso bate-papo de uma hora aqui fazer essa parada Tá bom então vou colocar aqui ó cota vou selecionar aqui vou criar uma API então ó eu vou usar a api da Open ai tá bom Ó eu vou entrar no no sof entrando no software eu posso escolher llm local eu sei que tem muita

gente que quer utilizar isso aí tem problema com dado essa solução aqui você pode utilizar configurar ela no local fazer o Deploy no servidor local utilizar o modelo local Tá bom eu vou utilizar o p por motivos e óbvios Tá bom eu vou setar aqui a a o nosso ambiente com openi E Agora Nós estamos dentro do software ele é um software que tem toda essa essa estrutura de da gente pegar os dados né aquela peça jurídica os casos jurídicos do escritório jogar para dentro do banco de dados vetorial para depois você fazer a consulta

Então tudo isso que a gente vai fazer aqui agora ah esse processo desse software ele já faz de forma automatizada vou conectar aqui no pinecone né você já tem que tá Tá com a continha bonitinha aí vou autorizar E aí ele já vai dar Ok vou pegar a iepi vou rodar aqui a a região crio ou substituo o índice que é o que a gente fez da outra vez né o índice tá aqui vou utilizar esses dados que estão aqui aqui que ele vai demorar um Cadin Então vou contar os os minutos mais ou menos

ali vai dar super bom já vou deixar ele rodar n não vou esperar ele carregar aqui vamos voltar pro software Tá bom estou no software eu tenho n configurações para fazer aqui dentro então ó primeira coisa que que eu vou te mostrar do software é o seguinte ele tem Ah ele tem múltiplas informações aqui para você transformar ele num Saas porque você ele é completamente customizável às características do próprio usuário Tá bom então ó por exemplo Ah eu tenho aqui a algumas informações como por exemplo eu quero Habilitar não só a busca e o resultado

que você vai ver aqui do lado da minha consulta imagina que eu tô dentro do do escritório agora e eu quero defendeu o presidente dos Estados Unidos e e eu quero saber se já teve algum caso aqui dentro do meu escritório onde eu possa utilizar como parâmetro eu quero buscar uma jurisprudência eu quero buscar argumentos de um de um de um juiz quem é advogado vai saber muito mais o exemplo né mas imagina que eu tô querendo buscar similaridades em outros processos para que eu traga as informações para mim aqui para que eu veja a

estruturação e eu tenha aí uma busca otimizada a o utilizando esse mecanismo aqui eh do hag com o software onde Inclusive a gente já tem esse armazenamento dos processos de forma automatizada Beleza então ó eu vou ver o mapa mental eu vou fazer uma busca e agora eu quero fazer o seguinte eu vou armazenar os processos então Ó eu deixei uns processos aqui de exemplo Deixa eu ver se eu acho aqui ah nem lembro onde é que era agora deixa eu ver acho que tá aqui doc Beleza ó tem alguns processos aqui ó tá vendo

aqui a ah Bush versus gore não sei o que ela gibbons eu peguei alguns processos aí bem bem que tem de exemplo aí na comunidade tá bom que que vai acontecer aqui agora eu tô fazendo um upload só que esse upload já tá aqui por trás trabalhando no processo de indexação ou seja nesse próprio software ele já tá utilizando toda a sua estrutura interna para pegar esses dados indexar para depois a gente utilizar o llm que tá aqui dentro para transformar essas informações e fazer a busca semântica aqui nesse caso a gente tá fazendo tudo

ao mesmo tudo de forma configurável célula a célula nesse software a gente tá simplesmente fazendo as informações e e e eu vou acompanhar aqui para ver se eu tenho um status aqui né ó ele falou por favor espere que eu tô indexando os processos para que eu possa colocar a questão ele deve soltar alguma mensagem aqui para mim mas ó eu vou marcar essas informações eu quero fazer um um search Eu quero fazer uma pesquisa com todos os processos então vou marcar file Collection All né tudo que eu coloquei aqui dentro tudo que eu armazenei

ah eu vou aqui em settings só para te mostrar algumas coisas que são customizáveis como eu te falei né Ah eu tenho aqui um mecanismo um mecanismo de busca eu tenho o llm que eu vou utilizar Eu tenho um número de chunks que é uma uma etapa ali anterior a ao processo de ao processo de do vetor né do tamanho da indexação a gente precisa trabalhar essa parte de chunks Então são características beleza são características que eu vou estar ah colocando que eu posso customizar aqui dentro eu tenho eu posso utilizar modelos específicos aqui de

outras bibliotecas aqui ah como por exemplo adob api aure ai eu vi alguém falando aí no nos comentários agorinha sobre o aure aqui você vê que é customizável light eu tenho aqui o a parte de onde eu vou fazer o prompt onde eu vou pedir né onde eu vou customizar a ferramenta e eu tenho a questão da linguagem por exemplo eu posso colocar aqui no português o comprimento ali do contexto do llm Ah enfim tem várias características né Você tá vendo que eu tô deixando tudo no no vou marcar aqui o Create Mind map só

para você visualizar a Vou salvar e vou fechar só para você visualizar ali as informações tá bom então ó ah eu marquei os files e agora eu vou fazer uma pesquisa qualquer né então ó eh me fale ah sobre sobre a similaridade eh desses desses processos enfim desses processos Ah ele vai começar a trabalhar aqui ah ele já foi buscar uma das informações ele mostra nesse painel de informação aqui ó ah um caso específico né colocou aqui não sei Sacanagem né P Que zoeira Pô sacanagem Deixa eu voltar aqui né search out deixa eu colocar

o índice aqui eu vou pegar também que pergunta né Deixa eu pensar numa pergunta mais inteligente aqui vamos lá eh preciso deixa eu colocar aqui eu quero eu quero search out graph ha beleza quick upload não feedback Não não é isso que eu quero Vou deixar tudo aqui e aí eu vou fazer uma nova questão aqui não vou deixar ele me humilhar aqui desse jeito não ai meu Deus vamos lá ó deixa eu só atualizar isso aqui que eu acho que ele tá tá precisando dou uma atualizada aqui deixa eu pegar o settings de novo

isso aqui eu tô só te mostrando algumas caracterizações que você pode fazer aqui né Vamos lá retrieval graph Light eu quero pegar aquela parada do as caracterização para mostrar o Mind map que é bem interessante cara graph WR não é aqui reason tá aqui já porque já tá já tá marcado agora eu vou search vou fazer aqui vou pedir para ele armazenar Antes de iniciar a conversa você precisa visitar aqui n Tá bom eu já sei beleza ah a indexação já está completa agora eu vou fazer aqui ó Então vamos lá eh preciso preciso que

responda em português e me fale sobre esses processos Beleza então eu vou marcar aqui e vamos lá você vai ver que a partir de agora ele vai pegar as informações dos processos vamos ver se ele vai vai me zoar aqui né Tá me zoando né pô não se Sacanagem né pô galera ao vivo é uma coisa né mas é isso aí continua aí eu vou voltar pro outro aqui porque eu só vou instalar vou voltar pro cotem monon Ah o que você o que você está acessando o que você está acessando eh nesses documentos deixa

eu ver se ele tá enxergando os documentos né porque aqui diz que a indexação foi completa Tá mas deixa eu ver se o Dock Tá ok né se tá rodando tá rodando bonitinho às vezes deu ruim né mas eu acho que ele tá acessando tudo direitinho por que que não tá funcionando né zoeira neverend né galera Ó aqui ele fez toda ele fez toda a busca tá vendo ó se você olhar aqui desse lado ele acessou ele acessou todos os documentos ele não tá respondendo colocou ali uma a resposta né ele a tá aqui ó

olha só que legal então o que que ele fez aqui né ó se você olhar aqui no mapa deixa eu até mostrar aqui ó o que que ele fez ele pegou os processos judiciais dos Estados Unidos sabia que você não ia me deixar passar vergonha ã ele pegou aqui ó todos os processos judiciais no Estados Unidos e aí ó ele elencou por exemplo nesse caso a gente tá falando sobre poderes do congresso e autoridade dos Estados aqui ele tá falando de poder regulatório aqui em autoridade dos Estados ele tá falando de regulação de comércio aqui

sistema de pilotagem E aí ele tá falando de outro Case ó New York e versus Estados Unidos aí tá lá a primeira emenda segurança nacional Estados Unidos versus L E aí ele foi elencando cada uma das coisas né bem interessante né é um material é um material bem interessante ele mostra aqui em cima a distribuição dos processos só que no na visão de Vetor né então você vê que aqui nós temos números né aqui é a visão de Vetor nós temos números e aí esses processos que estão mais próximos ali são processos similares né isso

tudo depois tem como você descobrir qual é o o o processo mas mesmo assim eu tô de cara com ele falar o não sei aqui né então o que que eu vou fazer eu vou fechar essa aplicação eu não vou deixar ele me passar vergonha vou abrir aqui de novo vou nem que nem que eu tenho que rodar o docker de novo mas a gente vai usar esse cara aqui tá bom então ó Disc eh aqui tem as informações né o histórico eu tenho conversação eu tenho aqui as armazenando as informações que eu já trabalhei

já Deixei marcado aqui beleza não não não trabalhei nada adicional deixei ele aqui is eu tô só tentando lembrar se tinha alguma informação que eu n estaria deixando esquecendo eh deixando passar batido saca Mas eu acho que não então vamos lá aqui a gente já tem alguns Ah ele já tá tá mostrando aqui ó quando eu vou em files ó que interessante eu esqueci de mostrar para você né eu venho aqui os recursos eu venho aqui em setting eu venho aqui no help tem toda a explicação da documentação em files ele já tem Inclusive a

os os os bancos de dados aqui que já estão subidos aqui né se você for olhar eles já foram indexados aqui né eu vou eu vou Enfim deixa eu ver se eu zero essa informação não sei se eu zero essa informação né ou se eu atualizo eh Clear info eu não sei se eu se eu atualizo Ah vou deixar esse aqui do jeito que tá deixa eu pegar esse aqui vou em files eu vou Clear vou limpar tudo aqui deixa eu ver se eu Force reindex ah eu não não fiz upload né então vou subir

todos eles aqui e vou reindexar deixa eu ver se aqui já instalou ó aqui a gente vai voltar para outs aqui não confunde não aqui é o case bem passo a passo Tá bom agora aqui é o é a parte onde a gente vai est escolhendo o llm Esse é o passo onde a gente tá escolhendo o llm pra gente fazer a a busca semântica aqui vou voltar pro nosso outro lá pro cemon ele tá reindex agora sim ó ó agora sim ele tá indexando ó ele acabou de indexar ele tá removendo é porque eu

também fui fazer muito na tora né eu peguei vários processos E aí esses processos eles precisam passar pela indexação né então o que ele tá fazendo aqui agora ele tá indexando todo ele tem um tempo para indexar tudo né aqui agora eu já vou fazer a busca Mas lembra esse aqui são é um banco de dados menor né eu tô utilizando ali um banco de dados bem pequenininho então ó agora ele vai trazer para mim ah os vetores e a a métrica né pra gente ver quais são aquelas palavras que mais se aproxim pqu a

gente perguntou que é qual é a maior a população a maior população no mundo a cidade que tem a maior população no mundo se a gente for olhar aqui deixa eu rodar essa ele a gente ele vai trazer a pergunta similar né Então olha só ele trouxe a medida e ele trouxe a pergunta similar né olha só então Aqui é onde a gente vai avaliar cada um dos vetores e e entender como que ele tá escolhendo Qual é a a a a a questão que mais se aproxima com aquilo que a gente tá procurando tá

bom Aqui é um outro exemplo onde a gente faz essa pesquisa e enfim ele traz aqui o o a pergunta e aqui é somente pra gente deletar Tá bom então Ó esse é um cas eu vou dear aí pr você depois fazer e avaliar essa esse Case aqui com mais calma para você entender tudo que foi feito e para você armazenar essa estrutura aí no banco de Dad vetorial porque agora a gente vai voltar para cá ó aqui ele tá indexando ó aqui ele tá indexando upload Progress então ele tá indo tá armazenando tá convertendo

eu tinha que esperar ele terminar mais um pouquinho deixa eu ver opções avançadas aqui que que tem eu posso fazer download do que foi indexado Ele tá trabalhando aqui ainda deixa eu ver se eu já posso vou deixar um um mindmap vou posso habilitar eu posso habil tá aqui inclusive que você faça pesquisa né ou compartilhamento isso aqui é muito tora cara Realmente esse eu vou marcar aqui ó search a vou voltar aqui para ver se ele já terminou tava no us lops tá faltando algum US lops US versus Nixon deixa eu ver aqui US

versus Nixon US versus Nixon não tá o is versus Nixon E aí beleza então Ó você veja que a gente tem praticamente um software que tem todas as informações que você precisa para chegar no ambiente instalar essa parada a fazer a utilização desse ambiente e colocar ele sucesso pronto agora tá aqui a mensagem ó sucessfully index tarfile Então vamos lá né Eh qual a similaridade entre os casos Qual a similaridade entre os casos eh os casos desses processos apresentados eh apresentados neste neste nesta sessão nesta apresentados vou deixar aqui vai E aí vamos cruzar os

dedos cru os dedos vamos lá tum tum E aí ele bugou galera pô que zica não vai bugar não eu vou fechar já esse docker aqui e vou abrir de novo vou só esperar ele aqui ó deixa eu ver se ele vai pelo menos criar o Mind map que eu que é aquele próprio Mind map mostrando a hierarquia da consulta né ah deixa eu ver se eu tô setando algum enfim eu não tô setando nada diferente né eu vou só fechar esse Dock e vou rodar de novo tá bom galera Ó vou dar um Stop

nele aqui beleza ó vou dar um Stop tô dando Stop aqui tava 100% da CPU caraca deixa eu fechar aqui vou fechar aqui a Open aqui ah não era para fechar porque eu vou precisar dar chave vou fechar o pinecone que a gente não tá usando e esse day3 aqui eu também vou fechar não vou fechar não eu tenho que compartilhar com vocês né então já vou compartilhar aqui agora já vou colocar aí no nosso chat deixa eu já aproveitar para colocar aqui copiar Vou colocar aqui no nosso chat beleza é cara cara com certeza

vamos lá pessoal falou que é um projeto que muitos escritórios gostariam de ter completamente mano é vamos lá deixa eu voltar aqui pro docker vou aqui no docker Beleza docker tá resetado aqui beleza ele não tava aqui vou dar um Clear deix eu rodar o docker novamente para ele abrir aqui essa parada Beleza vai abrir ele ele demora um BO Cadinho mesmo dar um F5 aqui até ele abrir sempre demora um cadinho tanã vai demorar mais um cadinho cara esse projeto aqui é um dos queridinhos Ah ele é um dos queridinhos aí para muitas empresas

né a gente vê muita coisa aqui dentro se esse aqui não rodar eu ainda tem uma outra uma outra oportunidade aqui utilizando a própria estrutura do pinecone para fazer junto com vocês pelo menos para vocês visualizarem aqui o que que é que tá rolando aqui né galera mas vamos lá é sim o bom é isso Bom é fazer essa parada ao vivo porque quando dá ruim a gente tem que se virar né é isso aqui mesmo deixa eu dar uma olhada aqui no no github aqui deixa eu pegar o github desse desse projeto deixa eu

ver aqui embaixo Cadê a o local tá tá aqui É isso mesmo tô acessando no local certinho acho que é porque demora um Cadin mesmo Belê então foi lá vou utilizar aqui corer não vou usar Open ai vou utilizar ap da Open ai vou ah vou ter que pegar outra não tem nada não a gente cria rapidinho É bom que se você não sabia como criar api agora você sabe né porque o tanto que a gente já fez aqui né cota seleciona o projeto default cria aqui vou copiar esse Car Google Beleza então show de

bola show de bola deixa eu ver aqui em files se eu já tenho ó ele tá zeradinho beleza não tem nenhum nenhum processo indexado aqui que que eu vou fazer só para não demorar também eu vou subir um um um um documento qualquer e vou e vou fazer o teste aqui tá bom deixa eu pegar por quê Porque eu tentei anexar uma porrada de coisa e a gente sabe que tudo depende de processamento também né E aí eu fui e dei ruim Deixa eu só pegar um um PDF aqui meu Deus baixar um PDF aqui

eu sempre deixo aquele PDF do atenção é tudo que você precisa detalhes tipo Dea ver se eu acho um PDF aqui Zip Zip Zip eu sí Apagando tudo esses dias saí Apagando tudo tem mesmo não deixa eu pegar um PDF qualquer aqui atenção é tudo que você precisa H ARV fazer o download aqui ver PDF download Pronto agora a gente tem aqui a atenção tá aqui o atenção agora vou fazer a indexação do atenção Cadê downloads tá baixando ainda é isso Onde eu salvei só ver você aonde fio ah dentro de imagens aí Sacanagem né

galera vamos lá dentro de imagens Atenção atenção tá aqui então subir e anexar ó começou a indexação ele criou processou 33 chunks aqui você também consegue ó já anexou beleza então agora que que eu vou fazer Deixa eu ver se eu vou voltar para cá pro chat sech file attention V marcar aqui ah resumo deste deste doc por favor é tipo assim pelo amor de Deus deixa eu ver se eu deixo o default se eu vejo conciso vou deixar o eu tô deixando o default vou p o verbus aqui vamos lá ah galera Agora sim

então tá fazendo tudo uma vez né mas eu acho que é bom acontecer essas coisas ao vivo para vocês entenderem que cara Existem várias coisas que a gente tem que eh interpretar num processo como esse né a gente tá vendo que tudo que tá rolando aqui ele precisa de um tempo né então eu saí pegando saí colocando muitos processos lá dentro e aí deu ruim né Então olha só vamos lá Bora dar uma olhada aqui ó você vê que ele abriu o o anexo né ó ele dá uma uma ele já mostra uma pré-visualização o

software aqui né então Ó atenção é tudo que você precisa aí ele traz pra gente inclusive os pontos Chaves né Ele marca aqui os pontos chave desse desse desse negócio e aí ele traz a explicação né ó ah o documento aborda a a descrição do transformer que inclusive vocês aprendem lá dentro do do do programa do programa ai pro Expert Tá bom então tem lá modelo de rede neural baseada em mecanismo de atenção eliminando necessidade N E aí sucessivamente tá bom Aqui você tem todo o controle do processo de indexação E por que que isso

é importante exatamente por conta de tudo isso que você viu aqui antes eu tentei encadear aqui de forma que eu mostrasse para você todo o trabalho que algum software já faz aqui para que você ganhe tempo ganhe velocidade e você não precisa de fazer as coisas do zero né Já pensou se você tiver que fazer toda a estruturação aqui do zero para fazer esse proj projeto então assim ah muitas vezes a gente a gente pode até desanimar né então não cara não já existem já existe muita coisa a pronta que a gente vai poder utilizar

Tá bom eu vou até fazer só mais um aqui só para te mostrar o tanto que isso aqui é interessante dentro do próprio P Picone ele tem aqui alguns exemplos e eu gostaria de utilizar esse exemplo aqui ó por exemplo Ah deixa eu ver aqui eu vou iniciar aqui no started e aqui dentro ele tem um exemplo de busca semântica que é parecido com esse que tá aqui ó que que eu vou fazer eu vou deixa eu criar um Case aqui vou fazer esse Case aqui do zero só para te mostrar Ah um Case parecido

para você entender como que o pinecone vai ser utilizado para fazer essa parada aqui ó então ó eu vou abrir um folder qualquer Ah eu vou abrir o folder Na verdade eu acho que já até fiz ele quer ver deixa eu abrir aqui Open Open Folder eu acho que aqui ó C app a c tá aqui esse cara eu vou usar esse cara aqui mesmo ó vou te dar um outro exemplo aqui ó vou te dar um outro exemplo que você pode desenvolver e já a partir de uma coisa pronta e e e conectada né

esse exemplo aqui é um exemplo onde a gente tá praticamente utilizando o a estrutura a estrutura do Next mais as informações do dos llm de busca semântica mas a estruturação a estruturação do pancon que é o banco de dados vetorial então aqui dentro a gente tem aqui algumas informações Deixa eu só dar um npm install aqui deixa eu ver se eu preciso fazer aqui quer ver hã npm instal Force vou instalar esses esses as dependências aqui desse desse projeto e vou dar um npm room Dev e vou abrir esse aplicativo para você visualizar ele então

ó já é uma estrutura que ele já está meio que meio que pronta digamos assim para que você possa não sair do zero né você ter aí uma um um Arc bolso de conhecimento um Arc bolso de de estruturação Onde você consegue ah partir de uma ideia partir de uma estruturação juntar e conectar esse conhecimento que você tá tendo comigo aqui aqui ao longo desse desse nosso bate-papo ao longo desse desse treinamento né que foi um treinamento bem intenso eu quis né dar porrado em vocês do início ao fim para que vocês aprendessem e aí

ó é um exemplo é um outro caso específico né esse caso aqui tá utilizando exatamente a mesma estrutura os mesmos dados né se eu não me engano ó esse esse esse aqui ó ó que interessante eu tô utilizando aquela mesma sequência de de documentos que está aqui e eu só não fiz a a a parte par do a parte da indexação Tá bom então é claro que nesse caso aqui eu teria que fazer a parte da indexação antes né E aí fazendo a parte da indexação eu já conseguiria fazer as buscas né como ele colocou

aqui de exemplo algumas pra gente né traga casos sobre a liberdade a liberdade pessoal que foi violada traga casos envolvendo o presidente dos Estados Unidos traga casos envolvendo arma traga casos envolvendo E aí você clica e a busca semântica para que você possa obter resultados meninos eu não sei como é que fica a cabeça de vocês mas cara a minha cabeça como sempre ela explode com a quantidade de ideias que você vai poder utilizar aí no seu dia dia show de bola cara foi até bom foi até bom a gente dar dar um bug né

e e d uma travada porque quando a gente faz isso ao vivo a gente acaba perce percebendo que eh sim não é tão simples mas também não é tão complicado e que existe aí um passo a passo pra gente se desenvolver Tá bom agora eu quero responder show de perguntas galera pode fazer pergunta aí manda pergunta porque eu quero ficar com vocês aqui enquanto dúvida tiver Tá bom vamos lá deixa eu voltar aqui beleza vamos lá Eduardo não consigo mais entrar no grupo o link foi redefinido consegue me passar se tiver alguém do meu time

aí galera redefine o o link do WhatsApp Por gentileza se tiver vendo aí tá bom e Renato eu eh enquanto isso para você não perder nada entra aqui no grupo do telegram Tá bom vou colocar aqui o link do grupo no telegram que aí lá dentro você vai ter todas as informações também tá bomar contrac vou colar aqui dentro da do comentário Beleza o telegram vou responder tudo que eu pulei aqui galera vamos lá Eduardo roda um só daqueles arquivos pô demorei né podia ter rodado só fala sério não dormi direito com a aula de

ontem a cabeça tava explodindo Ô Gustavo Ele falou assim pô tô leve mas não vou conseguir dormir V é muita oportunidade né me é muito oportunidade roda som daqueles arquivos foi o que a gente fez show de bola Lucas por favor deixa os vídeos por mais alguns dias não tive muito tempo para finalizar e ainda quero muito ver se vale a pena o curso B Beleza vou deixar até domingão aí tá bom Lucas entra aí que eu vou deixar aí até domingo tá bom ah e não tem só amanhã tem mais tá bom eu vou

continuar aqui pelo menos até sexta-feira se Deus quiser eu vou tá eu vou tá aqui com vocês amanhã tô aqui de novo vou tá sempre por aqui só que só amanhã que vai ter a promoção beleza galera só amanhã que vai ter o desconto tá bom é uma formação muito requisitada reconhecida pelo MEC eu abro poucas turmas no ano Então eu também não consigo nem deixar aberto se aplica Universo de coisa abre a nossa cabeça é muito doido né agradeceu pelo link tamo junto consegue rodar em uma VPS o Devid Jan perguntou consegue me Total

consegue consegue inclusive lá dentro da formação eu ensino a trabalhar lá com contabo né uma VPS você consegue montar a VPS no contabo de melhor dizendo né que eu utilizei uma ferramenta que eu comprei aí tá bom E aí eu gosto de compartilhar tudo que eu vou fazendo eu vou fazer galera tudo que eu faço aqui é eu aprendo eu desenvolvo e aí eu compartilho com vocês tá bom Luciano falou assim faró que você quer pensar serviria para qualquer área qualquer área galera qualquer área tá bom eh Vasconcelos é uma aplicação que muitos escritórios gostaria

de ter eu tenho um projeto parecido mas com outro foco show Fernanda é isso mesmo deve ser muito bom para jurisprudência total cara Total não só para isso né Eu tava vendo hoje um colega meu do bombeiro aqui de Brasília eu sou de Brasília né Ele mandou aqui uma edital e Cara essa ferramenta aqui pelo que eu vi ela ela serve para atender ali eu acho que eu vou até aplicar paraa concorrência né queele estação que o que eu fiz ali eu com esse software né É claro fazendo o Deploy direitinho né e e utilizando

sem ser na tora assim na pressão né na na Live 8 horas da noite 9 horas da noite né galera pô fala sério ah acesso que são parte autores tã o Itaú tem uma aplicação usando GPT chamada jugle é um Google jurídico é show de bola show de bola e o que é mais fera sabe o que que é Luciano é que à medida que você tem Ah o seu banco de dados e você começa a estruturar ele da forma como a gente viu aqui hoje você começa também a dar mais inteligência para o próprio

modelo né você vai utilizando o modelo e e cada vez ele vai vai aprendendo mais com os dados isso que é o é é o show de bola né serve como base para aprender algumas coisas Jamais Seria algo para um SAS quem precisa sim já usa no mínimo o já usa o notebook LM eh Valber Com certeza tá com certeza você precisa colocar mais algumas coisinhas aqui tá bom mais algumas coisinhas Só que tem uma coisa notebook LM você vai usar e você vai colocar 50 arquivos esse arquivo você tem um banco de dados para

você armazenar a quantidade de dados que você quer tá então isso aqui tá muito mais próximo do que seria um SAS do que o notebook LM só para também colocar as coisas nas devidas proporções aí beleza isso tenta fazer n beleza aqui a galera já tava me ajudando né tenta fazer pergunta em inglês Oh meu Deus É isso aí show de bola já perguntaram isso aqui também é a pesquisa poderia ser em inglês mas você viu que não né Você viu que não porque a gente customizou né a gente colocou lá a linguagem Eduardo a

Ah vamos aprender a instalar esse projetos em servidor para implantar e vender serviços pra empresa show de bola É isso aí tem que fazer isso mesmo tá bom tem que fazer isso meso Inclusive eu ensino a galera a fazer isso dentro da formação utilizando com Tabo show de bola Vamos lá vamos lá cadê Aqui a pergunta vi uma pergunta massa aqui aqui passou batida a fazer modelo free pegando R Face e trocar para Open ai ah o Jair fez uma pergunta massa aqui né ah uma dúvida se gerarmos o eding por dois modelos diferentes o

IM beding é diferente cara grande chance que o imbed ele vai ser diferente não só pelo modelo não só pelo modelo mas de acordo com a métrica que você tá colocando né então tem uma métrica que você coloca ali no processo eu não sei se você viu a gente estava usando o dot Ah eu uso cocine em alguns outros Então dependendo da métrica vai ser diferente tá bom não só por isso não só trocar de modelo mas sim o modelo Ah se você usa o modelo da Open a ah desses mais novos o o o

text tem um text que ele tem dimensão de 3072 e ele é muito maior do que talvez o que seria necessário para fazer esse tipo de trabalho aqui então seria seria diferente entendeu seria diferente você tem que fazer um treinamento diferente tá bom até Junho consigo fazer um processo com monetização em torno de 10k por mês Nelson Cara depende muito né consigo prometer isso para você né me você justo aqui né jamais vou prometer uma coisa dessa para você é Depende de muita coisa depende talvez a pecinha mais importante é a pecinha que tá na

cadeira me não é nenum conhecimento é a pecinha que tá aí na cadeira entre a cadeira e o notebook tá bom Nelson depende muito cara de você tá bom e eu seria desleal se eu falasse que sim tá bom galera eu acho que é isso tá bom ah eu consegui responder grande parte das coisas aqui ah beleza isso aí galera eu acho que é isso bem amanhã novamente nesse mesmo horário estamos aqui com um Case mais cabuloso ainda eu vou só trazer vou só elevar o nível A partir de agora tá bom vou trazer cas

mais cabuloso para te dar mais vontade ainda de entrar na formação tá bom a formação já deixo a matrícula aberta amanhã e só lembrando Amanhã tem o desconto tá bom amanhã tem o desconto aproveita is se você não tá nos grupos aí eu vou eu vou né Colocar público né vou colocar público as primeiras vagas eu vou avisar aqui mas quando eu coloco para rodar no Instagram aí a coisa fica um pouco mais pesado mais disputado mas só amanhã que tem um desconto E aí depois volta ao normal e fica aberto só até domingão tá

bom então é isso galera um beijo um abraço uma honra muito obrigado fique com Deus e até amanhã tchau tchau