Exemplos de entregas por encontro
Referência de sete encontros e uma sessão extra. São propostas de atividades, não comprovação de resultados de alunos. A trilha é ajustada no diagnóstico.
- 01
Módulo M1: Mentalidade Digital
Do zero ao primeiro site publicado, sem escrever código
O que é ensinado
- Construção de sites com Lovable, Bolt.new e v0 by Vercel
- Publicação e versionamento no GitHub
- Uso de IA generativa para leitura de perfil profissional e mercado
Entrega propostaSites funcionais publicados em repositório público no primeiro dia de aula.
- 02
Módulo M3: IA Aplicada ao Trabalho
Quatro modelos de IA resolvendo o mesmo problema
O que é ensinado
- Comparação prática entre ChatGPT, Claude, Gemini e DeepSeek
- Síntese automatizada de respostas de múltiplos modelos
- Geração de imagem por IA aplicada a comunicação profissional
Entrega propostaCritério próprio para escolher qual modelo usar em cada tipo de tarefa, em vez de usar sempre o mesmo por hábito.
- 03
Módulo M3: Automação
A primeira automação que roda sozinha
O que é ensinado
- Fundamentos de n8n: gatilhos, nós e fluxo de dados
- Google Sheets como fonte de dados de uma automação
- Integração com bot do Telegram e chamada de API de IA
Entrega propostaUm fluxo que verifica a planilha a cada minuto e envia alertas no Telegram sem intervenção humana.
- +
Sessão extra de tutoria
Prompt dinâmico e integração multicanal
O que é ensinado
- Construção de prompt dinâmico a partir de mensagem recebida
- Chamada de API via requisição HTTP e tratamento em JavaScript
- Entrega do resultado em mais de um canal simultaneamente
Entrega propostaIdentificação e correção autônoma de um erro de origem de dados entre nós, no primeiro exercício real de depuração.
- 04
Módulo M4: Engenharia de Prompt
Um workflow, muitos especialistas
O que é ensinado
- Template de prompt reutilizável no formato especialista, área e pergunta
- Migração entre ambientes e reconfiguração de credenciais
- Separação entre a arquitetura do fluxo e o conteúdo do prompt
Entrega propostaUma automação que ajusta o contexto para tarefas de atendimento, síntese ou marketing, com revisão humana das respostas.
- 05
Módulo M4: Engenharia de Prompt
Few-shot aplicado à análise de opinião de clientes
O que é ensinado
- Diferença prática entre zero-shot, one-shot e few-shot prompting
- Classificação de sentimento, tema e nível de risco em texto livre
- Documentação de projeto em README e primeiro conteúdo técnico publicado
Entrega propostaUm fluxo que recebe o comentário de um cliente e devolve sentimento, tema, risco e resposta sugerida para revisão humana, com documentação dos testes e limites.
- 06
Módulo M2: Google Workspace e IA integrada
Quando o dado chega sozinho
O que é ensinado
- Google Workspace com IA integrada aplicada à rotina de trabalho
- Configuração de OAuth e APIs no Google Cloud
- Planilha como fonte automática de um pipeline de IA
- Organização de repositório e uso de .gitignore como barreira preventiva
Entrega propostaPipeline completo de inteligência de cliente: uma nova linha na planilha dispara a análise por IA, a própria planilha é atualizada e um alerta chega ao Telegram, sem digitação manual em nenhuma etapa.
- 07
Módulo M5: Segurança Digital, Cloud e Privacidade
Auditoria de superfície pública
O que é ensinado
- Distinção entre OAuth, chave de API, token de bot e client secret
- Fronteiras de confiança em uma arquitetura de nuvem e raio de impacto
- Detecção de padrões de credencial e de dados pessoais em repositórios públicos
- Mascaramento de achados, revogação e rotação de credenciais
- Limites de um scanner de padrões e o que ele não é capaz de provar
Entrega propostaUma auditoria automatizada que varre o próprio repositório, mascara os achados e emite veredito FAIL, REVIEW ou PASS. É reexecutável para comprovar tecnicamente que a correção funcionou.
As aulas são cumulativas: cada encontro parte do que foi construído no anterior. Os projetos compõem um portfólio documentado. A publicação depende de autorização e da revisão de dados e credenciais; casos confidenciais permanecem privados.
Sobre a aula 07: o scanner apresentado detecta padrões de credenciais e de dados pessoais em conteúdo público. Ele não lê o histórico de commits, não verifica se uma credencial é válida e não atesta conformidade com a LGPD. Um resultado PASS indica ausência de padrões críticos nos arquivos analisados, não conformidade legal.