Há uma demanda significativa não atendida por desenvolvedores que entendem de IA. Ao mesmo tempo, como a maioria das universidades ainda não adaptou seus currículos à nova realidade de que os empregos de programação são muito mais produtivos com ferramentas de IA, também há um aumento no desemprego de recém-formados em Ciência da Computação. Quando entrevisto engenheiros de IA — pessoas habilidosas em construir aplicações de IA — procuro pessoas que possam: - Usar assistência de IA para projetar rapidamente sistemas de software - Usar blocos de construção de IA como prompts, RAG, avaliações, fluxos de trabalho agentes e aprendizado de máquina para construir aplicações - Prototipar e iterar rapidamente Alguém com essas habilidades pode realizar uma quantidade massivamente maior de trabalho do que alguém que escreve código da maneira que fazíamos em 2022, antes do advento da IA Generativa. Converso com grandes empresas toda semana que adorariam contratar centenas ou mais pessoas com essas habilidades, assim como startups que têm ótimas ideias, mas não têm engenheiros suficientes para construí-las. À medida que mais empresas adotam IA, espero que essa escassez de talentos só aumente! Ao mesmo tempo, os recém-formados em Ciência da Computação enfrentam uma taxa de desemprego aumentada, embora a taxa de subemprego — de graduados fazendo trabalhos que não exigem um diploma — ainda seja menor do que a de muitos outros cursos. É por isso que ouvimos simultaneamente anedotas de graduados em Ciência da Computação desempregados e também de salários crescentes para engenheiros de IA em alta demanda. Quando a programação evoluiu de cartões perfurados para teclado e terminal, os empregadores continuaram a contratar programadores de cartões perfurados por um tempo. Mas eventualmente, todos os desenvolvedores tiveram que mudar para a nova forma de codificação. A engenharia de IA está criando uma grande onda de mudança de forma semelhante. Há um estereótipo de graduados universitários "nativos de IA" que superam desenvolvedores experientes. Há alguma verdade nisso. Várias vezes, contratei, para engenharia de software full-stack, um recém-formado que realmente entende de IA em vez de um desenvolvedor experiente que ainda trabalha no estilo de 2022. Mas os melhores desenvolvedores que conheço não são recém-formados (sem ofensa aos novos graduados!). Eles são desenvolvedores experientes que estão por dentro das mudanças em IA. Os programadores mais produtivos hoje entendem profundamente os computadores, como arquitetar software e como fazer trade-offs complexos — e que além disso estão familiarizados com ferramentas de IA de ponta. Claro, algumas habilidades de 2022 estão se tornando obsoletas. Por exemplo, muita sintaxe de codificação que precisávamos memorizar naquela época não é mais importante, já que não precisamos mais codificar manualmente tanto. Mas mesmo que, digamos, 30% do conhecimento em Ciência da Computação esteja obsoleto, os 70% restantes — complementados com conhecimento moderno de IA — é o que torna os desenvolvedores realmente produtivos. (Mesmo depois que os cartões perfurados se tornaram obsoletos, um entendimento fundamental de programação foi muito útil para digitar código em um teclado.) Sem entender como os computadores funcionam, você não pode simplesmente "vibrar código" para alcançar a grandeza. Os fundamentos ainda são importantes, e para aqueles que além disso entendem de IA, as oportunidades de trabalho são numerosas! [Texto original: ]

Construa um RAG melhor permitindo que uma equipe de agentes extraia e conecte seus materiais de referência em um grafo de conhecimento. Nosso novo curso curto, "Construção de Grafos de Conhecimento Agentic", ministrado pelo @Neo4j Innovation Lead @akollegger, mostra como fazer isso. Os grafos de conhecimento são uma maneira importante de armazenar informações com precisão, mas eles dão muito trabalho para serem construídos manualmente. Neste curso, você aprenderá a construir uma equipe de agentes que transforma dados – neste caso, avaliações de produtos e faturas de fornecedores – em grafos estruturados de entidades e relacionamentos para RAG. Aprenda como os agentes podem lidar automaticamente com o trabalho demorado de construir grafos — extraindo entidades e relacionamentos (por exemplo, Produto "contém" Montagem, Parte "fornecida_por" Fornecedor, Avaliação do cliente "menciona" Produto), deduplicando-os, verificando-os e comprometendo-os a um banco de dados gráfico — para que seu sistema de recuperação possa encontrar as informações corretas para gerar saídas precisas. Por exemplo, você pode usar agentes para ajudar a rastrear reclamações de clientes diretamente a fornecedores específicos, processos de fabricação e hierarquias de produtos, transformando assim informações fragmentadas em inteligência de negócios consultável. Habilidades que você adquirirá: - Construir, armazenar e acessar grafos de conhecimento usando o banco de dados gráfico Neo4j - Construir sistemas multi-agente usando o Kit de Desenvolvimento de Agentes (ADK) do Google - Configurar um ciclo de fluxos de trabalho agentic para propor e refinar um esquema de grafo através da verificação de fatos - Conectar grafos gerados por agentes de dados não estruturados e estruturados em um grafo de conhecimento unificado Este curso aborda a prática de por que os grafos de conhecimento oferecem uma recuperação de informações mais precisa do que a busca vetorial sozinha, especialmente para aplicações de alto risco onde a precisão importa mais do que a correspondência de similaridade difusa. Inscreva-se aqui:

A IA pode resolver problemas abertos em matemática, física, codificação, ciências médicas ou mais? Recolhemos questões não resolvidas (UQ) e testámos LLMs de fronteira. Algumas soluções passaram por validação de especialistas...