Apostila completa

As quarenta e oito seções da trilha, do alfabeto grego à interpretabilidade, com narração em voz humana em cada uma.

M0

Alfabetização simbólica

Antes de calcular, ler.

1. Por que a trilha começa aqui
2. O alfabeto grego e o que cada letra faz em aprendizado de máquina
3. As letras latinas convencionais
4. Operadores, índices e estruturas
5. Protocolo de leitura em voz alta
6. Primeira fórmula real: atenção

M1

Fundamentos operacionais

Logaritmo é a moeda corrente dos modelos.

1. Potências, raízes e a notação que economiza espaço
2. A exponencial e o número e
3. Logaritmo: a pergunta invertida
4. Funções, domínio e imagem
5. Ordem de operações em fórmulas compostas

M2

Álgebra linear

Significado é geometria.

1. Vetor: uma lista e uma seta
2. Norma: o comprimento do vetor
3. Produto escalar: a medida de concordância
4. Similaridade do cosseno e o espaço de embeddings
5. Matrizes e multiplicação
6. Shapes: a álgebra das dimensões
7. Transformação linear: o que a matriz faz com o espaço

M3

Cálculo essencial

A derivada é uma bússola, não uma conta.

1. Derivada como taxa de variação
2. As regras que você realmente vai usar
3. Gradiente: a derivada em muitas dimensões
4. Regra da cadeia: a ideia inteira do backpropagation
5. Descida do gradiente e o papel de alfa

M4

Probabilidade e informação

Temperatura não é criatividade, é achatamento.

1. Distribuição de probabilidade
2. Probabilidade condicional e o que um LLM realmente modela
3. Softmax: de logits para probabilidades
4. Temperatura: dividir antes de exponenciar
5. Top-k e top-p: cortar antes de sortear
6. Entropia, cross-entropy e perplexidade

M5

A matemática do Transformer

Toda a arquitetura cabe em três multiplicações e um softmax.

1. Tokenização e o problema dos números fatiados
2. Embeddings e posição
3. Consultas, chaves e valores
4. Atenção escalada: a fórmula inteira, agora entendida
5. Múltiplas cabeças
6. MLP: onde a informação é processada
7. Normalização de camada e conexões residuais
8. Logits e a cabeça de saída

M6

Fluxo de treino e inferência

Treinar e usar são dois algoritmos diferentes.

1. A função de perda, na prática
2. Backpropagation ponta a ponta
3. Otimizador, lote e época
4. Inferência: o laço autorregressivo
5. O papel do acaso

M7

Como os LLMs calculam de verdade

O que o modelo faz e o que o modelo diz que faz são coisas diferentes.

1. O que é interpretabilidade e por que ela é necessária
2. Caminhos paralelos na aritmética
3. A racionalização depois do fato
4. Planejamento antecipado e espaço conceitual compartilhado
5. Por que modelos erram contas, em quatro razões concretas
6. Síntese: o fluxograma completo