INPA Curso AI 2026.1
Da Teoria à Prática para Pesquisadores e Startups da Amazônia
Aula 1: Fundamentos de IA e Personalização de Assistentes
Entenda os conceitos fundamentais de inteligência artificial, aprenda a personalizar ChatGPT e Claude, e comece sua jornada prática com IA.
Vídeo do Local
Conheça o espaço onde acontecem as aulas do curso INPA Curso AI 2026.1. Ambiente moderno e preparado para aprendizado colaborativo.
Participantes do Curso
Conheça os 23 participantes do INPA Curso AI 2026.1, um grupo diverso de pesquisadores, professores, técnicos e startupeiros.
| Nome | Função / Vínculo | Instituição |
|---|---|---|
| Pedro Mariosa | Professor, pesquisador e diretor de incubadora | UFAM / INPACTAS |
| Professor Cidão | Professor; relações institucionais | Ecossistema UFAM / incubadora |
| Hugo | Geólogo, doutorando e professor | INPA |
| Magno | Botânico; pesquisador | INPA |
| Socorro | Técnica | Platec |
| Jairo | Técnico administrativo | PROTEC |
| Bruno | Pesquisador | INPA |
| Alicia | Técnica | Não especificado |
| Giovana | Estudante | Biotec |
| Adriana | Técnica de pesquisa; planejamento estratégico | Institucional |
| Cátia | Analista; professora | COAES / INPA |
| Erika | Bolsista administrativa | Incubadora do INPA |
| Tommy Castelo | Apoio administrativo; inovação e propriedade intelectual | NIT / PROTEC |
| Marcela Amazonas | Pesquisadora | INPA |
| Edson | Perfil ligado à automação | Não especificado |
| Ana Cláudia Travassos | Secretária | PROAE / UFAM |
| Sara Souza Martins | Assistente em administração; coordenação do PIBITI | PROTEC / UFAM |
| Sammy Aquino Pereira | Vice-presidente | IPIAM |
| Isabela Andrade Aguiar | Estudante de Engenharia da Computação | Atuação em projetos com o INPA |
| Tainá | Assistente de pesquisa; meteorologista | INPA |
| Thiago Medeiros | Servidor técnico-administrativo | UFAM / PROTEC |
| Larissa R. Chevreuil | Pesquisadora | INPA |
| Larissa Cantisani | Gestão, inovação e planejamento institucional | INPA |
Sugestões de Personalização
Cada participante tem uma personalização específica para ChatGPT e Claude. Clique para expandir e copiar sua sugestão.
Aula 2: Engenharia de Prompts Avançada
Domine as técnicas de engenharia de prompts: zero-shot, few-shot, chain of thought, role prompting e meta-prompting. Aprenda a estruturar prompts eficazes e explore ferramentas de revisão de literatura.
Conteúdo da Aula 2
- ▸Técnicas de engenharia de prompts (5 abordagens)
- ▸Estrutura de um prompt eficaz (7 componentes)
- ▸Template estruturado pronto para usar
- ▸Atividades hands-on com exemplos práticos
- ▸Seu Prompt Kit Pessoal (3 tarefas estruturadas)
- ▸Comparação ChatGPT 5.4 vs. Claude Sonnet 4.6
Ferramentas de Revisão
- ✓Perplexity — Busca e síntese com fontes
- ✓Consensus — Análise de artigos científicos
- ✓Elicit — Listagens estruturadas
- ✓Litmaps — Mapeamento de literatura (gratuito)
- ✓Research Rabbit — Exploração de papers
Acesso para Alunos
Todos os materiais do curso estão disponíveis aqui. Acesse os slides, roteiros e recursos complementares.
Engenharia de Prompts Avançada
A Arte de Conversar com Máquinas
Duração
4 horas
Técnicas
5 Técnicas de Prompts
Entregável
Prompt Kit Pessoal
Recapitulação: O que fizemos na Aula 1
Na Aula 1, configuramos nossas ferramentas de trabalho. Aprendemos a diferença entre IA, Machine Learning, Deep Learning e IA Generativa. Escolhemos ChatGPT 5.4 e Claude Sonnet 4.6 como assistentes especializados e configuramos instruções personalizadas em ambas. O entregável foi um perfil personalizado no ChatGPT e um projeto configurado no Claude. Hoje, aprenderemos a conversar com essas ferramentas de forma eficaz.
Foco de Hoje:
Um prompt bem estruturado funciona como uma pergunta clara em uma entrevista de pesquisa: quanto mais específico e bem organizado, melhor a resposta. Prompts estruturados melhoram a qualidade das respostas em até 300% (BROWN et al., 2020).
O Problema: Prompts Genéricos Produzem Respostas Genéricas
Um prompt mal estruturado resulta em respostas superficiais. Faltam profundidade acadêmica, contexto específico e aplicabilidade prática. Frequentemente, é necessário reformular a pergunta várias vezes para chegar a um resultado útil. A engenharia de prompts resolve esse problema estruturando perguntas de forma que a IA entenda exatamente o que você precisa. Não se trata de usar palavras mágicas, mas de comunicar com clareza: seu contexto, seu objetivo e o formato esperado.
❌ Problemas:
- Respostas superficiais e genéricas
- Falta de contexto específico
- Múltiplas iterações necessárias
- Perda de tempo e eficiência
✅ Solução:
Engenharia de prompts = comunicação clara e estruturada
5 Técnicas de Engenharia de Prompts
Cada técnica resolve um tipo diferente de problema. Dominar as cinco permite adaptar sua comunicação com a IA para qualquer situação de pesquisa ou negócio.
Zero-Shot Prompting
Fazer uma pergunta sem exemplos prévios. A IA responde com base no conhecimento treinado.
Quando usar:
Perguntas simples e contexto claro
Benefício:
Respostas rápidas, mas podem ser genéricas
Qual é o impacto da desflorestação na biodiversidade amazônica, especificamente na fragmentação de habitats de primatas não-humanos nas áreas de transição entre floresta densa e cerrado no estado do Amazonas?
Estrutura de um Prompt Eficaz
Um prompt eficaz tem sete componentes. Não é necessário usar todos em cada prompt, mas conhecê-los permite montar a combinação ideal para cada situação.
Contexto
Quem você é e o que faz
Papel
Qual persona a IA assume
Tarefa
O que você quer
Formato
Como você quer a resposta
Exemplos
Resultado esperado
Restrições
Limitações e preferências
Tom
Abordagem desejada
Entregável da Aula 2
Seu Prompt Kit Pessoal: 3 prompts bem-estruturados e testados, prontos para uso imediato. Este kit deve incluir prompts para suas tarefas recorrentes, exemplos reais de sua área de pesquisa e documentação de como refinar os prompts ao longo do tempo.
Você agora domina:
- ✓ 5 técnicas de engenharia de prompts
- ✓ Template estruturado para criar novos prompts
- ✓ Prompt Kit personalizado para suas tarefas
- ✓ Diferenças entre ChatGPT e Claude
IA para Pesquisa Acadêmica
Pipeline Completo: Do Protótipo à Rede de Citação
Duração
4 horas
Ferramentas
6 Ferramentas Especializadas
Foco
80% Prático, 20% Conceitual
Recapitulação: O que fizemos na Aula 2
Na Aula 2, trabalhamos engenharia de prompts com cinco técnicas: Zero-Shot, Few-Shot, Chain of Thought, Role Prompting e Meta-Prompting (Brown et al., 2020; Wei et al., 2022). Cada participante construiu seu Prompt Kit Pessoal com pelo menos três prompts testados. Também exploramos a personalização de assistentes no ChatGPT e no Claude. A lição central: prompts genéricos produzem respostas genéricas, e a especificidade do contexto amazônico exige prompts igualmente específicos.
Foco de Hoje:
Dominar ferramentas especializadas de pesquisa acadêmica, compreendendo que as LLMs são o "cérebro" e as ferramentas especializadas são os "braços" que executam busca, curadoria e apresentação de resultados.
Conceito-Chave: Cérebro vs. Braço
O Cérebro (LLMs)
ChatGPT, Claude e Gemini interpretam contexto, refinam perguntas, sintetizam informações e produzem texto. Use-os para prototipar e refinar antes de enviar para as ferramentas especializadas. Isso economiza créditos e maximiza qualidade.
Os Braços (Ferramentas)
Perplexity busca com fontes. SciSpace faz revisões profundas. Consensus analisa consenso. Elicit amplia a base. Litmaps mapeia redes. Cada uma executa tarefas específicas com maior precisão que uma LLM generalista.
Pipeline Inteligente de Pesquisa
Prototipar → Panorama → Revisão Profunda → Consenso → Ampliar → Mapear
Ecossistema de Ferramentas
Braço — Panorama
Busca rápida com fontes verificáveis, alternância de modelos
Gratuito + Pro $20/mês
Braço — Revisão Profunda
Revisão automatizada com módulo 'Investigar' editável, 549+ buscas
Gratuito + Pro $12/mês
Braço — Consenso
Pergunta norteadora em inglês, 170M+ artigos, contrapontos automáticos
Gratuito + Pro $12/mês
Estrutura da Aula — 6 Blocos Práticos
Boas Práticas de Formato e Gestão
Formatos de Arquivo
Prefira .RIS ou .BibTeX para referências. Negocie com a LLM: .CSV ou .MD são mais estáveis que .docx. Quando um resultado ficar excepcional, exporte o .md e transforme em uma "habilidade" reutilizável.
Gestão de Créditos
Prototipe sempre no ChatGPT antes de gastar tokens em ferramentas pagas. SciSpace oferece ~1.200 créditos/mês. Consensus: economize o modo "Profundo". Elicit: ~$7/mês com boa relação custo-benefício.
Entregável da Aula 3
Cada participante entrega um pacote completo de pesquisa:
Pergunta norteadora refinada (saída do ChatGPT)
Tabela de fontes do Perplexity com classificação por natureza
Relatório do SciSpace em .md com pelo menos 10 artigos relevantes
Síntese do Consensus com consenso e contrapontos identificados
Lista do Elicit com pelo menos 2 artigos "surpresa" relevantes
Grafo do Litmaps com anotação de pontos de intermediação
Documento reflexivo: "Como essas ferramentas mudam meu processo de pesquisa?"
Assistentes de IA e Automações Práticas
GPT Orientador + Google Alerts + Workflow MAKE
Duração
4 horas
Ferramentas
ChatGPT + Google Alerts + MAKE
Foco
85% Prático, 15% Conceitual
Recapitulação: O que fizemos na Aula 3
Na Aula 3, percorremos o pipeline completo de pesquisa acadêmica com IA. Usamos o ChatGPT como "cérebro" para prototipar perguntas, o Perplexity para panoramas rápidos com fontes, o SciSpace para revisões profundas com o módulo "Investigar", o Consensus para consenso científico, o Elicit para artigos inesperados, e o Litmaps para mapear redes de citação. A lição central: o fluxo inteligente usa o cérebro (LLM) para prototipar e os braços (ferramentas especializadas) para executar (Barabási, 2016).
Foco de Hoje:
Construir assistentes permanentes e automações que continuem funcionando após o curso, integrando-se à rotina real de pesquisa e gestão de cada participante.
GPT Orientador
Mentor acadêmico 24/7 que guia mestrandos nas 5 etapas da pesquisa com contexto permanente.
Google Alerts
Monitoramento automático de editais CNPq, FAPEAM, CAPES e oportunidades internacionais.
Automação MAKE
Email com "CNPQ" → WhatsApp instantâneo com classificação de prioridade automática.
Estrutura da Aula — 6 Blocos com Passo a Passo
Entregável da Aula 4
GPT Orientador Acadêmico
Funcional com instruções completas e pelo menos 2 documentos de conhecimento
Google Alerts Configurados
Pelo menos 3 alertas ativos para editais de fomento relevantes
Workflow MAKE Funcional
Email com 'CNPQ' → notificação no WhatsApp com prioridade
Documento Reflexivo
1 página: 'Como assistentes e automações transformam minha rotina de pesquisa?'
Hall da Fama
Os sobreviventes do INPA Curso AI 2026.1
4 dias de imersão em Inteligência Artificial Aplicada. Da teoria à prática, da personalização de assistentes à automação de fluxos. Parabéns a todos que chegaram até aqui!
Próximos Passos
O curso foi planejado para 5 dias, mas encerramos as atividades presenciais no Dia 4. Aqui estão os caminhos para continuar sua jornada com IA.
Dia 5 — Projeto Final e Ética
O conteúdo previsto para o Dia 5 incluía a integração de todos os aprendizados em um projeto final aplicado, além de discussões sobre ética, vieses e uso responsável de IA. Este conteúdo pode ser explorado de forma autônoma.
- ▸Projeto integrador: combine personalização + prompts + automação
- ▸Ética em IA: vieses, alucinações e uso responsável
- ▸Apresentação e feedback entre pares
Continue Praticando
A melhor forma de consolidar o aprendizado é aplicar no dia a dia. Aqui estão sugestões para manter o ritmo após o curso.
- ✓Use sua personalização do ChatGPT/Claude diariamente
- ✓Aplique os templates de prompt nas suas tarefas reais
- ✓Explore as ferramentas de revisão de literatura
- ✓Crie automações com Make/Zapier para suas rotinas
- ✓Compartilhe aprendizados com colegas do INPA/UFAM