Siga estes passos para começar a usar estes recursos:
- Faça um Fork do Repositório: Clique
- Clone o Repositório:
git clone https://github.com/microsoft/edgeai-for-beginners.git - Junte-se ao Azure AI Foundry Discord e conheça especialistas e outros desenvolvedores
Árabe | Bengali | Búlgaro | Birmanês (Myanmar) | Chinês (Simplificado) | Chinês (Tradicional, Hong Kong) | Chinês (Tradicional, Macau) | Chinês (Tradicional, Taiwan) | Croata | Checo | Dinamarquês | Holandês | Estónio | Finlandês | Francês | Alemão | Grego | Hebraico | Hindi | Húngaro | Indonésio | Italiano | Japonês | Kannada | Khmer | Coreano | Lituano | Malaio | Malaiala | Marata | Nepali | Pidgin Nigeriano | Norueguês | Persa (Farsi) | Polaco | Português (Brasil) | Português (Portugal) | Punjabi (Gurmukhi) | Romeno | Russo | Sérvio (Cirílico) | Eslovaco | Esloveno | Espanhol | Suaíli | Sueco | Tagalo (Filipino) | Tamil | Telugu | Tailandês | Turco | Ucraniano | Urdu | Vietnamita
Prefere Clonar Localmente?
Este repositório inclui mais de 50 traduções de idiomas, o que aumenta significativamente o tamanho do download. Para clonar sem as traduções, utilize o sparse checkout:
Bash / macOS / Linux:
git clone --filter=blob:none --sparse https://github.com/microsoft/edgeai-for-beginners.git cd edgeai-for-beginners git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'CMD (Windows):
git clone --filter=blob:none --sparse https://github.com/microsoft/edgeai-for-beginners.git cd edgeai-for-beginners git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"Isto fornece tudo o que precisa para completar o curso com um download muito mais rápido.
Se desejar que sejam suportados idiomas de tradução adicionais, estão listados aqui
Bem-vindo ao EdgeAI para Iniciantes – a sua jornada completa pelo mundo transformador da Inteligência Artificial na Edge. Este curso preenche a lacuna entre as poderosas capacidades da IA e a implementação prática e real em dispositivos edge, capacitando-o a aproveitar o potencial da IA diretamente onde os dados são gerados e as decisões precisam ser tomadas.
Este curso leva-o desde os conceitos fundamentais até implementações prontas para produção, abordando:
- Modelos de Linguagem Pequenos (SLMs) otimizados para implementação na edge
- Otimização consciente do hardware em plataformas diversas
- Inferência em tempo real com capacidades de preservação da privacidade
- Estratégias de implementação em produção para aplicações empresariais
A Edge AI representa uma mudança de paradigma que aborda desafios críticos da atualidade:
- Privacidade e Segurança: Processar dados sensíveis localmente sem exposição na cloud
- Desempenho em tempo real: Eliminar a latência da rede para aplicações críticas em tempo
- Eficiência de custo: Reduzir despesas com largura de banda e computação na cloud
- Operações resilientes: Manter funcionalidade durante interrupções de rede
- Conformidade regulatória: Cumprir os requisitos de soberania dos dados
Edge AI refere-se à execução de algoritmos de IA e modelos de linguagem localmente no hardware, perto do local onde os dados são gerados, sem depender de recursos da cloud para inferência. Reduz a latência, melhora a privacidade e permite tomada de decisão em tempo real.
- Inferência no dispositivo: Modelos de IA executam-se em dispositivos edge (telemóveis, routers, microcontroladores, PCs industriais)
- Capacidade offline: Funciona sem conectividade persistente à internet
- Baixa latência: Respostas imediatas adequadas para sistemas em tempo real
- Soberania dos dados: Mantém dados sensíveis localmente, melhorando segurança e conformidade
SLMs como Phi-4, Mistral-7B e Gemma são versões otimizadas de LLMs maiores — treinados ou destilados para:
- Reduzir a pegada de memória: Uso eficiente da memória limitada dos dispositivos edge
- Menor exigência computacional: Otimizado para desempenho em CPU e GPU edge
- Tempos de arranque mais rápidos: Inicialização rápida para aplicações responsivas
Eles desbloqueiam poderosas capacidades de PNL enquanto cumprem as restrições de:
- Sistemas embebidos: Dispositivos IoT e controladores industriais
- Dispositivos móveis: Smartphones e tablets com capacidades offline
- Dispositivos IoT: Sensores e dispositivos inteligentes com recursos limitados
- Servidores edge: Unidades de processamento locais com recursos GPU limitados
- Computadores pessoais: Cenários de implementação para desktop e portátil
| Módulo | Tema | Área de Foco | Conteúdo Chave | Nível | Duração |
|---|---|---|---|---|---|
| 📖 00 | Introdução à EdgeAI | Fundação & Contexto | Visão Geral da EdgeAI • Aplicações na Indústria • Introdução aos SLM • Objetivos de Aprendizagem | Iniciante | 1-2 hrs |
| 📚 01 | Fundamentos de EdgeAI | Comparação Cloud vs Edge AI | Fundamentos de EdgeAI • Estudos de Caso Reais • Guia de Implementação • Implementação na Edge | Iniciante | 3-4 hrs |
| 🧠 02 | Fundamentos do Modelo SLM | Famílias de modelos & arquitetura | Família Phi • Família Qwen • Família Gemma • BitNET • μModel • Phi-Silica | Iniciante | 4-5 hrs |
| 🚀 03 | Prática de Implementação SLM | Implementação local & cloud | Aprendizagem Avançada • Ambiente Local • Implementação Cloud | Intermédio | 4-5 hrs |
| ⚙️ 04 | Kit de Ferramentas de Otimização de Modelo | Otimização cross-platform | Introdução • Llama.cpp • Microsoft Olive • OpenVINO • Apple MLX • Síntese de Workflow | Intermédio | 5-6 hrs |
| 🔧 05 | Produção SLMOps | Operações em produção | Introdução ao SLMOps • Destilação de Modelos • Ajuste fino • Implementação em produção | Avançado | 5-6 hrs |
| 🤖 06 | Agentes de IA & Chamada de Função | Frameworks de agentes & MCP | Introdução a agentes • Chamada de Função • Protocolo de Contexto do Modelo | Avançado | 4-5 hrs |
| 💻 07 | Implementação na Plataforma | Exemplos cross-platform | Kit de Ferramentas de IA • Foundry Local • Desenvolvimento Windows | Avançado | 3-4 hrs |
| 🏭 08 | Kit de Ferramentas Foundry Local | Exemplos prontos para produção | Aplicações de exemplo (ver detalhes abaixo) | Especialista | 8-10 hrs |
- 01: REST Chat Quickstart
- 02: Integração com OpenAI SDK
- 03: Descoberta e Benchmarking de Modelos
- 04: Aplicação Chainlit RAG
- 05: Orquestração Multi-Agente
- 06: Roteador Models-as-Tools
- 07: Cliente API Direto
- 08: Aplicação de Chat Windows 11
- 09: Sistema Multi-Agente Avançado
- 10: Framework Ferramentas Foundry
Material completo para workshops práticos com implementações prontas para produção:
- Guia do Workshop - Objetivos de aprendizagem, resultados e navegação de recursos completos
- Exemplos em Python (6 sessões) - Atualizados com melhores práticas, gestão de erros e documentação abrangente
- Notebooks Jupyter (8 interativos) - Tutoriais passo a passo com benchmarks e monitorização de desempenho
- Guias das Sessões - Guias detalhados em markdown para cada sessão do workshop
- Ferramentas de Validação - Scripts para verificação da qualidade do código e execução de testes básicos
O Que Vai Construir:
- Aplicações de chat AI locais com suporte a streaming
- Pipelines RAG com avaliação de qualidade (RAGAS)
- Ferramentas para benchmarking e comparação multi-modelo
- Sistemas de orquestração multi-agente
- Roteamento inteligente de modelos com seleção baseada em tarefa
Construa uma pipeline de produção de podcast potenciada por IA do zero! Este workshop imersivo ensina-o a criar um sistema multi-agente completo que transforma ideias em episódios de podcast profissionais.
🎬 Comece o Workshop AI Podcast Studio
A Sua Missão: Lance o "Future Bytes" — um podcast tecnológico totalmente potenciado por agentes de IA que vai construir você mesmo. Sem dependências na cloud, sem custos de API — tudo corre localmente na sua máquina.
O Que Torna Isto Único:
- 🤖 Orquestração Real Multi-Agente - Construa agentes de IA especializados que pesquisam, escrevem e produzem áudio
- 🎯 Pipeline de Produção Completo - Desde a seleção do tema até à produção final do áudio do podcast
- 💻 Implementação 100% Local - Utiliza Ollama e modelos locais (Qwen-3-8B) para total privacidade e controlo
- 🎤 Integração de Texto-para-Fala - Transforme guias em conversas naturais com múltiplos locutores
- ✋ Fluxos de Trabalho com Intervenção Humana - Portões de aprovação garantem qualidade mantendo a automação
Jornada de Aprendizagem em Três Atos:
| Acto | Foco | Competências-Chave | Duração |
|---|---|---|---|
| Acto 1: Conheça os Seus Assistentes de IA | Construa o seu primeiro agente de IA | Integração de ferramentas • Pesquisa web • Resolução de problemas • Raciocínio agentic | 2-3 hrs |
| Acto 2: Monte a Sua Equipa de Produção | Orquestre vários agentes | Coordenação de equipa • Fluxos de aprovação • Interface DevUI • Supervisão humana | 3-4 hrs |
| Acto 3: Traga o Seu Podcast à Vida | Gere áudio para podcast | Texto-para-fala • Síntese multi-locutor • Áudio de longa duração • Automação completa | 2-3 hrs |
Tecnologias Utilizadas:
- Microsoft Agent Framework - Orquestração e coordenação multi-agente
- Ollama - Runtime local de modelos de IA (sem necessidade de cloud)
- Qwen-3-8B - Modelo de linguagem open-source otimizado para tarefas agentic
- APIs de Texto-para-Fala - Síntese de voz natural para geração de podcast
Suporte de Hardware:
- ✅ Modo CPU - Funciona em qualquer computador moderno (recomendado 8GB+ RAM)
- 🚀 Aceleração GPU - Inferência significativamente mais rápida com GPUs NVIDIA/AMD
- ⚡ Suporte NPU - Aceleração por unidade de processamento neural de última geração
Perfeito Para:
- Desenvolvedores a aprender sistemas multi-agente de IA
- Qualquer pessoa interessada em automação e fluxos de trabalho IA
- Criadores de conteúdo a explorar produção assistida por IA
- Estudantes a estudar padrões práticos de orquestração IA
Comece a Construir: 🎙️ O Workshop AI Podcast Studio →
- Duração Total: 36-45 horas
- Percurso Iniciante: Módulos 01-02 (7-9 horas)
- Percurso Intermédio: Módulos 03-04 (9-11 horas)
- Percurso Avançado: Módulos 05-07 (12-15 horas)
- Percurso Especialista: Módulo 08 (8-10 horas)
- Arquitetura Edge AI: Desenhar sistemas IA local-prioritário com integração cloud
- Otimização de Modelos: Quantização e compressão para deployment edge (85% mais rápido, 75% redução de tamanho)
- Implementação Multi-Plataforma: Windows, móvel, embebido e sistemas híbridos cloud-edge
- Operações de Produção: Monitorização, escalabilidade e manutenção de IA edge em produção
- Aplicações de Chat Local Foundry: Aplicação nativa Windows 11 com troca de modelo
- Sistemas Multi-Agente: Coordenador com agentes especialistas para workflows complexos
- Aplicações RAG: Processamento local de documentos com pesquisa vetorial
- Roteadores de Modelos: Seleção inteligente entre modelos baseada na análise da tarefa
- Frameworks de API: Clientes prontos para produção com streaming e monitorização de saúde
- Ferramentas Cross-Plataform: Padrões de integração LangChain/Semantic Kernel
Manufatura • Saúde • Veículos Autónomos • Cidades Inteligentes • Apps Móveis
Percurso de Aprendizagem Recomendado (20-30 horas no total):
- 📖 Introdução (Introduction.md): Fundamentos EdgeAI + contexto industrial + framework de aprendizagem
- 📚 Fundamentos (Módulos 01-02): Conceitos EdgeAI + famílias de modelos SLM
- ⚙️ Otimização (Módulos 03-04): Deployment + frameworks de quantização
- 🚀 Produção (Módulos 05-06): SLMOps + agentes IA + chamadas de funções
- 💻 Implementação (Módulos 07-08): Exemplos de plataformas + toolkit Foundry Local
Cada módulo inclui teoria, exercícios práticos e exemplos de código prontos para produção.
Funções Técnicas: Arquiteto de Soluções EdgeAI • Engenheiro ML (Edge) • Desenvolvedor IA IoT • Desenvolvedor IA Móvel
Setores Industriais: Manufatura 4.0 • Tecnologia de Saúde • Sistemas Autónomos • FinTech • Eletrónica de Consumo
Projetos de Portefólio: Sistemas multi-agente • Apps RAG de produção • Deployment cross-platform • Otimização de desempenho
edgeai-for-beginners/
├── 📖 introduction.md # Foundation: EdgeAI Overview & Learning Framework
├── 📚 Module01-04/ # Fundamentals → SLMs → Deployment → Optimization
├── 🔧 Module05-06/ # SLMOps → AI Agents → Function Calling
├── 💻 Module07/ # Platform Samples (VS Code, Windows, Jetson, Mobile)
├── 🏭 Module08/ # Foundry Local Toolkit + 10 Comprehensive Samples
│ ├── samples/01-06/ # Foundation: REST, SDK, RAG, Agents, Routing
│ └── samples/07-10/ # Advanced: API Client, Windows App, Enterprise Agents, Tools
├── 🌐 translations/ # Multi-language support (8+ languages)
└── 📋 STUDY_GUIDE.md # Structured learning paths & time allocation
✅ Aprendizagem Progressiva: Teoria → Prática → Deployment em produção
✅ Estudos de Caso Reais: Microsoft, Japan Airlines, implementações empresariais
✅ Exemplos Práticos: 50+ exemplos, 10 demos completas Foundry Local
✅ Foco em Performance: Melhorias de velocidade de 85%, reduções de tamanho de 75%
✅ Multiplataforma: Windows, móvel, embebido, híbrido cloud-edge
✅ Pronto para Produção: Monitorização, escalabilidade, segurança, conformidade
📖 Guia de Estudo Disponível: Percurso estruturado de 20 horas com orientação de tempo e ferramentas de autoavaliação.
EdgeAI representa o futuro do deployment de IA: local-prioritário, preservação de privacidade e eficiente. Domine estas competências para construir a próxima geração de aplicações inteligentes.
A nossa equipa produz outros cursos! Veja:
-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA){kind=icon}
-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC){kind=icon}
-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9){kind=icon}
Se ficar bloqueado ou tiver alguma dúvida sobre como criar aplicações de IA, junte-se a:
Se tiver feedback sobre o produto ou erros durante a criação, visite:
Aviso Legal:
Este documento foi traduzido utilizando o serviço de tradução por IA Co-op Translator. Embora nos esforcemos para garantir a precisão, por favor tenha em conta que traduções automáticas podem conter erros ou imprecisões. O documento original na sua língua nativa deve ser considerado a fonte autorizada. Para informação crítica, recomenda-se a tradução profissional humana. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes da utilização desta tradução.