AI 4 Dummies 🤖📚

Complete Learning Journey in Generative AI, RAG, Agents and Orchestration

Jornada Completa de Aprendizado em IA Generativa, RAG, Agentes e Orquestração

---

🌍 Choose Your Language / Escolha seu Idioma

---

English Version

🎯 About the Project

A comprehensive 10-week structured learning program designed to master generative AI, from fundamentals to advanced production-ready systems. This repository documents a complete learning journey with practical experiments, real projects, and industry best practices.

Perfect for: Developers, data scientists, AI enthusiasts, and teams looking to implement AI solutions in production.

🚀 What You'll Learn

• Foundation: LLMs, embeddings, and vector databases
• RAG Systems: Retrieval-Augmented Generation from scratch to production
• AI Agents: Single and multi-agent orchestration
• Fine-tuning: LoRA, quantization, and model optimization
• Production: Deployment, monitoring, and MLOps
• Advanced: Multi-modality, security, and ethical AI

📅 Weekly Curriculum

🛠️ Tech Stack

AI Frameworks: LangChain, LlamaIndex, CrewAI, AutoGen
Vector Databases: ChromaDB, Pinecone, FAISS, Qdrant
Models: OpenAI GPT-4, HuggingFace Transformers, Sentence Transformers
Production: FastAPI, Docker, Streamlit, Prometheus/Grafana

🚀 Quick Start

# Clone the repository
git clone https://github.com/andredallacosta/ai-4-dummies.git
cd ai-4-dummies

# Set up environment
python -m venv venv
source venv/bin/activate  # Linux/Mac
# or venv\Scripts\activate  # Windows

# Install dependencies
pip install -r requirements.txt

# Configure API keys
cp .env.example .env
# Edit .env with your API keys

# Start with Week 1
cd en-us/weeks/week01-llms-embeddings/

📁 Repository Structure

ai-4-dummies/
├── 🇺🇸 en-us/                     # English content
│   ├── weeks/                    # Weekly lessons
│   │   ├── week01-llms-embeddings/
│   │   │   ├── examples/         # Code examples
│   │   │   ├── mini-project/     # Weekly project
│   │   │   ├── experiments.md    # Practical experiments
│   │   │   └── README.md         # Learning notes
│   │   ├── week02-vector-databases/
│   │   ├── week03-rag/
│   │   ├── week04-mcp/
│   │   ├── week05-memory/
│   │   ├── week06-fine-tuning/
│   │   ├── week07-agents/
│   │   ├── week08-multi-agents/
│   │   ├── week09-deploy/
│   │   └── week10-advanced/
│   ├── projects/                 # Independent projects
│   ├── images/                   # Documentation images
│   ├── progress.md               # Learning progress tracking
│   └── generative_ai_plan.md     # Learning plan
│
├── 🇧🇷 pt-br/                     # Portuguese content
│
├── .env.example                  # Template de variáveis de ambiente
├── README.md                     # Este arquivo
├── requirements.txt              # Dependências Python
├── .gitignore                    # Padrões do Git ignore
└── LICENSE                       # Licença MIT

💡 Learning Approach

• 📖 Daily Study: 30-60 minutes of structured learning
• 🧪 Hands-on Practice: Code examples and experiments
• 🚀 Mini-Projects: Weekly capstone projects
• 📝 Documentation: Complete notes and progress tracking
• 🏗️ Production Ready: Deploy-ready implementations

🤝 Contributing

We welcome contributions! Ways to contribute:

• 🐛 Report bugs or issues
• 📚 Improve documentation
• 💡 Suggest new topics
• 🔧 Submit code improvements
• 📖 Share your learning experiences

---

Versão em Português

🎯 Sobre o Projeto

Um programa estruturado de 10 semanas para dominar IA generativa, desde fundamentos até sistemas avançados prontos para produção. Este repositório documenta uma jornada completa de aprendizado com experimentos práticos, projetos reais e melhores práticas da indústria.

Perfeito para: Desenvolvedores, cientistas de dados, entusiastas de IA e equipes que querem implementar soluções de IA em produção.

🚀 O que Você Vai Aprender

• Fundamentos: LLMs, embeddings e bancos vetoriais
• Sistemas RAG: Retrieval-Augmented Generation do zero à produção
• Agentes de IA: Orquestração de agentes únicos e múltiplos
• Fine-tuning: LoRA, quantização e otimização de modelos
• Produção: Deploy, monitoramento e MLOps
• Avançado: Multi-modalidade, segurança e IA ética

📅 Cronograma das Semanas

🛠️ Stack Tecnológico

Frameworks de IA: LangChain, LlamaIndex, CrewAI, AutoGen
Bancos Vetoriais: ChromaDB, Pinecone, FAISS, Qdrant
Modelos: OpenAI GPT-4, HuggingFace Transformers, Sentence Transformers
Produção: FastAPI, Docker, Streamlit, Prometheus/Grafana

🚀 Início Rápido

# Clone o repositório
git clone https://github.com/andredallacosta/ai-4-dummies.git
cd ai-4-dummies

# Configure o ambiente
python -m venv venv
source venv/bin/activate  # Linux/Mac
# ou venv\Scripts\activate  # Windows

# Instale as dependências
pip install -r requirements.txt

# Configure as chaves de API
cp .env.example .env
# Edite .env com suas chaves de API

# Comece pela Semana 1
cd pt-br/semanas/semana01-llms-embeddings/

📁 Estrutura do Repositório

ai-4-dummies/
├── 🇺🇸 en-us/                     # Conteúdo em inglês
│
├── 🇧🇷 pt-br/                     # Conteúdo em português
│   ├── semanas/                  # Aulas semanais
│   │   ├── semana01-llms-embeddings/
│   │   │   ├── exemplos/         # Exemplos de código
│   │   │   ├── mini-projeto/     # Projeto semanal
│   │   │   ├── experimentos.md   # Experimentos práticos
│   │   │   └── README.md         # Notas de aprendizado
│   │   ├── semana02-bancos-vetoriais/
│   │   ├── semana03-rag/
│   │   ├── semana04-mcp/
│   │   ├── semana05-memoria/
│   │   ├── semana06-fine-tuning/
│   │   ├── semana07-agentes/
│   │   ├── semana08-multi-agentes/
│   │   ├── semana09-deploy/
│   │   └── semana10-avancados/
│   ├── projetos/                 # Projetos independentes
│   ├── imagens/                  # Imagens da documentação
│   ├── progresso.md              # Acompanhamento do progresso
│   └── plano_ia_generativa.md    # Plano de aprendizado
│
├── .env.example                  # Template de variáveis de ambiente
├── README.md                     # Este arquivo
├── requirements.txt              # Dependências Python
├── .gitignore                    # Padrões do Git ignore
└── LICENSE                       # Licença MIT

💡 Abordagem de Aprendizado

• 📖 Estudo Diário: 30-60 minutos de aprendizado estruturado
• 🧪 Prática Hands-on: Exemplos de código e experimentos
• 🚀 Mini-Projetos: Projetos finais semanais
• 📝 Documentação: Notas completas e acompanhamento do progresso
• 🏗️ Pronto para Produção: Implementações prontas para deploy

🤝 Contribuindo

Contribuições são bem-vindas! Formas de contribuir:

• 🐛 Reportar bugs ou problemas
• 📚 Melhorar documentação
• 💡 Sugerir novos tópicos
• 🔧 Submeter melhorias de código
• 📖 Compartilhar experiências de aprendizado

---

🏆 Achievements / Conquistas

• ✅ Complete Curriculum - Full 10-week program / Programa completo de 10 semanas
• ✅ Bilingual Content - Available in English and Portuguese / Disponível em inglês e português
• ✅ Production Ready - Deploy-ready projects / Projetos prontos para produção
• ✅ Community Driven - Open source and collaborative / Código aberto e colaborativo

📈 Future Roadmap / Roadmap Futuro

• Week 11: Local LLMs (Ollama, GPT4All) / Semana 11: LLMs locais
• Week 12: Tool Integration (Zapier, n8n) / Semana 12: Integração com ferramentas
• Week 13: AI for Code (GitHub Copilot) / Semana 13: IA para código
• Week 14: AI Governance / Semana 14: Governança de IA
• Video Course / Curso em Vídeo
• More Languages / Mais Idiomas

📄 License / Licença

This project is licensed under the MIT License - see the LICENSE file for details.

Este projeto está licenciado sob a Licença MIT - veja o arquivo LICENSE para detalhes.

🌟 Acknowledgments / Agradecimentos

Inspired by the best practices from the AI and Machine Learning community. Special thanks to the LangChain, LlamaIndex, HuggingFace, and OpenAI communities.

Inspirado pelas melhores práticas da comunidade de IA e Machine Learning. Agradecimentos especiais às comunidades LangChain, LlamaIndex, HuggingFace e OpenAI.

---