Mestrado em Engenharia de PLN Técnico e Assistentes de Engenharia
Mestrado online de 1.900 horas em engenharia de PLN técnico e assistentes de engenharia: 12 módulos que abrangem linguística computacional, modelos Transformer, RAG sobre documentação técnica, extração de informação, ajuste fino, agentes, LLMOps e governação de IA ao abrigo do Regulamento Europeu da IA, da ISO/IEC 42001 e do NIST AI RMF, com um tutor técnico atribuído.
Mestrado em Engenharia de PLN Técnico e Assistentes de Engenharia — estudando de Brasil
Dados, inteligência artificial e simulação computacional são áreas em expansão no Brasil, presentes em bancos, varejo, agronegócio, indústria e setor público. Universidades e centros de pesquisa em São Paulo, Campinas, Porto Alegre e Recife formam profissionais para modelagem preditiva, engenharia de dados e simulação de processos. A Lei Geral de Proteção de Dados tornou a governança de dados um requisito estratégico para empresas de todos os portes.
Taxas para Brasil: R$ 60.200 (Real brasileiro), com parcelamento e patrocínio empresarial disponíveis.
Órgãos relevantes em Brasil
Funções típicas
Dúvidas de Brasil
A formação é reconhecida oficialmente no Brasil para atuar na área de dados e IA?
Não. A SEIUM Institute oferece qualificações privadas próprias, que não são diplomas oficiais nem são credenciadas por órgão nacional. Não existe no Brasil um conselho profissional que regule o título de cientista de dados. A aceitação do certificado é decidida pelos empregadores, que costumam avaliar portfólio, experiência e formação.
Quais setores no Brasil costumam contratar profissionais de dados e simulação?
Bancos, seguradoras, varejo, empresas de energia, indústria, saúde e empresas de tecnologia são grandes empregadores desse perfil. A contratação depende de competências demonstradas em projetos, e não há garantia de vaga ou de faixa salarial.
Preciso saber programar antes de começar e como é a rotina de estudo?
O curso é 100% online e em inglês. Conhecimentos prévios de matemática e programação ajudam bastante, e a SEIUM Institute designa um tutor técnico para acompanhar o aluno. A carga varia de 300 a 1.900 horas conforme o programa, e o projeto final é obrigatório. Confirme os pré-requisitos com a instituição antes de matricular-se.
Assuma o controle.
Enfrente um verdadeiro trade-off de engenharia deste campo. Mova os controles deslizantes, acompanhe o modelo reagir em tempo real e vença o desafio.
O que você será capaz de fazer
Conceber pipelines de processamento de linguagem para documentação técnica.
Construir assistentes RAG com citações rastreáveis até normas e manuais.
Extrair requisitos, tabelas e listas de materiais de documentos não estruturados.
Adaptar modelos de linguagem ao domínio por meio de ajuste fino eficiente.
Orquestrar agentes que utilizam ferramentas de cálculo, CAD e PLM.
Avaliar a fiabilidade, a segurança e os enviesamentos dos assistentes em produção.
Implementar assistentes de engenharia em conformidade com o Regulamento Europeu da IA.
Para quem é
- Engenheiros de PLN que passam para a documentação técnica e os assistentes de engenharia.
- Engenheiros de LLMOps responsáveis pela operação de modelos de linguagem em produção.
- Programadores de assistentes técnicos para equipas de engenharia.
- Especialistas em gestão do conhecimento técnico.
- Arquitetos de soluções de IA generativa.
- Responsáveis de governação da IA em organizações industriais.
- Licenciados em engenharia ou ciências que procuram entrar na consultoria de engenharia e técnica.
Com o que você vai trabalhar
- Regulamento (UE) 2024/1689 (Lei Europeia da Inteligência Artificial)
- ISO/IEC 42001:2023 (sistemas de gestão de inteligência artificial)
- NIST AI RMF 1.0 (estrutura de gestão de riscos de IA)
- ISO/IEC 23894:2023 (orientações para gestão de riscos de IA)
- Regulamento (UE) 2016/679 – RGPD (proteção de dados pessoais)
- ISO/IEC 22989:2022 (conceitos e terminologia de IA)
- ISO/IEC 27001:2022 (gestão de segurança da informação)
- Hugging Face Transformers
- spaCy
- LangChain
- vLLM
- Qdrant
12 modules · 1900 h
1.1Tokenização de documentação técnica e unidades1.2Morfologia, lematização e terminologia especializada1.3Análise de dependências em requisitos escritos1.4Reconhecimento de entidades mencionadas em normas e fichas técnicas1.5Representações vetoriais: word2vec, fastText e GloVe1.6Corpora técnicos: manuais, especificações e pedidos de assistência1.7Anotação de corpora e concordância entre anotadores1.8Extração baseada em regras e expressões regulares1.9Métricas de avaliação: precisão, revocação e F11.10Laboratório: pipeline de spaCy sobre manuais de manutenção
2.1Mecanismo de atenção e autoatenção multicabeça2.2Codificadores do tipo BERT e descodificadores do tipo GPT2.3Objetivos de pré-treino com mascaramento e causais2.4Tokenizadores BPE, WordPiece e SentencePiece2.5Janela de contexto e codificação posicional RoPE2.6Leis de escala e escolha do tamanho do modelo2.7Modelos abertos: Llama, Mistral e Qwen2.8Quantização GPTQ e AWQ e o formato GGUF2.9Inferência eficiente com vLLM e cache KV2.10Prática: disponibilização de um modelo aberto numa GPU local
3.1Prompting zero-shot, few-shot e de raciocínio passo a passo3.2Mensagens de sistema e controlo de estilo3.3Saídas em JSON validadas com esquemas Pydantic3.4Chamada de funções e utilização de ferramentas3.5Tratamento de unidades e grandezas nas respostas3.6Redução de alucinações com restrições explícitas3.7Versionamento de prompts e testes de regressão3.8Injeção de prompts e defesas básicas3.9Custo por token e otimização da latência3.10Oficina: extrator de requisitos para JSON validado
4.1Ingestão de PDF, desenhos e fichas técnicas4.2Segmentação semântica e baseada na estrutura do documento4.3Modelos de embeddings e seleção por domínio4.4Bases de dados vetoriais: FAISS, Qdrant e pgvector4.5Pesquisa híbrida BM25 com recuperação densa4.6Reordenação de passagens com cross-encoders4.7Citações rastreáveis até à cláusula e à página4.8Atualização incremental do índice documental4.9Avaliação de RAG com Ragas: fidelidade e relevância4.10Laboratório: assistente RAG sobre normas internas
5.1Classificação de requisitos com a sintaxe EARS5.2Tabelas em PDF: Camelot, pdfplumber e OCR5.3Leitura de cartelas de desenho e listas de materiais5.4Normalização de unidades físicas com Pint5.5Deteção de ambiguidade em especificações técnicas5.6Relações entre componentes e grafos de conhecimento5.7Ontologias técnicas e vocabulários controlados5.8Ligação às referências de peças do PLM5.9Validação humana e ciclos de correção5.10Estudo de caso: lista de materiais estruturada a partir de especificações digitalizadas
6.1Quando ajustar finamente o modelo e quando recuperar informação6.2Conjuntos de dados de instruções a partir de relatórios técnicos6.3Adaptadores LoRA e QLoRA com PEFT6.4Ajuste fino supervisionado e modelos de conversação6.5Alinhamento por preferências através de DPO6.6Dados sintéticos e controlo de contaminação6.7Esquecimento catastrófico e avaliação de regressão6.8Destilação em modelos pequenos implementáveis6.9Registo de experiências com MLflow6.10Prática: QLoRA sobre relatórios de incidentes
7.1Padrões ReAct e planeador-executor7.2Integração com calculadoras e solucionadores numéricos7.3Consultas SQL geradas sobre bases de dados técnicas7.4Ligação a APIs de CAD e PLM7.5Protocolo MCP para expor ferramentas7.6Memória de conversação e estado da tarefa7.7Limites de autonomia e aprovação humana7.8Rastreabilidade e observabilidade com Langfuse7.9Tratamento de erros e novas tentativas de ferramentas7.10Oficina: agente que dimensiona e documenta um componente
8.1Geração de scripts Python para pré-processamento CAE8.2Macros para FreeCAD e APIs de CAD8.3Apoio à programação de PLC segundo a IEC 61131-38.4Testes unitários gerados e revisão de código8.5Análise estática e deteção de código inseguro8.6Documentação técnica gerada a partir do código8.7Licenças de código e propriedade intelectual8.8Integração em IDE e fluxos de revisão8.9Métricas de produtividade e qualidade do código8.10Prática: automatização da malhagem com um LLM
9.1Conjuntos de avaliação de domínio próprios9.2LLM-como-juiz e os seus enviesamentos9.3Calibração de confiança e abstenção controlada9.4Testes adversariais e red teaming9.5Fuga de dados e privacidade documental9.6Riscos do OWASP Top 10 para LLM9.7Gestão de riscos segundo o NIST AI RMF9.8Monitorização de desvios em produção9.9Rastreabilidade para setores regulados9.10Estudo de caso: auditoria de um assistente de manutenção
10.1Arquitetura em nuvem versus instalação local (on-premise)10.2Contentores, Kubernetes e escalabilidade em GPU10.3Gateways de modelos e encaminhamento baseado em custo10.4Cache semântica e controlo da latência10.5Gestão de segredos e controlo de acessos10.6Implementação canary e testes A/B10.7Registo de auditoria das interações10.8Custo total de operação do assistente10.9Consumo energético da inferência10.10Laboratório: implementação com vLLM e Kubernetes
11.1O Regulamento Europeu da IA e os níveis de risco11.2Sistemas de gestão de IA segundo a ISO/IEC 4200111.3Proteção de dados pessoais em assistentes11.4Direitos de autor de normas e manuais11.5Conceção da interação e confiança do utilizador11.6Gestão da mudança em gabinetes técnicos11.7Literacia em IA para engenheiros11.8Retorno do investimento e caso de negócio11.9Cartas de modelo e documentação do sistema11.10Estudo de caso: plano de implementação numa empresa de engenharia
12.1Definição do caso de utilização e do âmbito12.2Recolha e licenciamento do corpus técnico12.3Conceção da arquitetura do assistente12.4Implementação do protótipo funcional12.5Plano de avaliação e métricas de sucesso12.6Testes com utilizadores reais de engenharia12.7Análise de riscos e conformidade regulamentar12.8Documentação do código e reprodutibilidade12.9Relatório da Dissertação de Mestrado12.10Dissertação de Mestrado: defesa perante um júri
Como você vai aprender
Formação 100% online no campus do SEIUM, com material descarregável, aulas gravadas e um tutor técnico atribuído. Não existem horários fixos: progride ao seu próprio ritmo dentro de cada turma, pelo que o programa é compatível com o trabalho.
Cada módulo combina teoria, leitura orientada da norma original e exercícios aplicados. O software de trabalho é o Hugging Face Transformers, spaCy, LangChain, vLLM e Qdrant, em versões gratuitas, académicas ou de avaliação. Os testes são estudados com procedimentos reais: avaliação de assistentes sobre corpora técnicos reais, ensaios com engenheiros em gabinetes técnicos e auditoria das respostas face às normas citadas. A avaliação é contínua por módulo, além da Dissertação final de Mestrado.
Normas abrangidas: Regulamento (UE) 2024/1689 relativo à Inteligência Artificial, ISO/IEC 42001:2023, NIST AI RMF 1.0, ISO/IEC 23894:2023, Regulamento (UE) 2016/679 (RGPD), ISO/IEC 22989:2022, ISO/IEC 27001:2022.
Desenvolva do início ao fim
O seu projeto final segue o fluxo de trabalho real da engenharia, passo a passo, revisto pelo seu tutor.
Aonde isso pode levar você
Requisitos
- Licenciatura universitária em engenharia, ciências ou arquitetura, ou experiência profissional equivalente comprovável.
- Ligação à Internet e um computador capaz de executar o software do programa.
- Inglês suficiente para ler normas técnicas.
Pronto para começar?
Envie a sua candidatura hoje. A nossa equipa de admissões responde em 72 horas com o seu plano de estudos e as opções de financiamento.
Perguntas frequentes
O programa totaliza 1.900 horas, distribuídas por 12 a 14 meses. Você define o seu próprio ritmo dentro de cada turma, e o seu tutor ajuda a planear a carga de trabalho em função da sua atividade profissional.
Trabalha com Hugging Face Transformers, spaCy, LangChain, vLLM e Qdrant, utilizando versões gratuitas, académicas ou de avaliação. O seu tutor indica a alternativa gratuita sempre que ela exista.
Um diploma do SEIUM Institute, atribuído após a aprovação na avaliação contínua e na Dissertação de Mestrado. Trata-se de uma qualificação própria do SEIUM, e não de um grau oficial do Estado; o seu reconhecimento depende do programa concluído e da regulamentação de cada país.
Sim. Os módulos aprovados num curso ou num diploma de pós-graduação da mesma área são reconhecidos no programa superior. Pergunte sobre a política de reconhecimento no momento da matrícula.
Licenciatura em engenharia, ciências ou arquitetura (ou experiência profissional equivalente), um computador capaz de executar o software e inglês suficiente para ler normas técnicas.
As datas de início são definidas pelo corpo docente do SEIUM para cada turma. A nossa equipa de admissões confirmará a próxima data disponível quando se candidatar.
Programas relacionados
More in Data, AI, Simulation & Analytics
All Data, AI, Simulation & Analytics programmes → · Como candidatar-se · Propinas e financiamento · Bolsas