5 papéis de IA, 5 recursos grátis — leia só a sua linha

Abra a página de pré-requisitos que o Google publica pro Machine Learning Crash Course e veja o que ela pede de verdade: álgebra e equação logarítmica, tensor rank, multiplicação de matriz, média/mediana/desvio padrão, mais Python suficiente pra rodar os exercícios com NumPy, pandas e Keras. O curso atrás dessa porteira é bom mesmo — o Google reescreveu ele em novembro de 2024 e virou um autoestudo grátis de 15 horas, com mais de 130 questões práticas, incluindo modelos de linguagem, AutoML e uma cobertura maior de dados e IA responsável.

E é também o link que alguém cola em toda thread de "como eu começo em IA" nos grupos de dev brasileiros. Só que, pra quatro dos cinco papéis em que um dev ou EM brasileiro é realmente contratado hoje, ele é o clique errado.

O problema das listas de recursos grátis não são os recursos. É que seis links bons em fila jogam no seu colo justamente a decisão mais difícil — qual deles é o seu — então você salva os seis e não abre nenhum. Abaixo está o mesmo catálogo, mas organizado por papel, com uma linha de "pula isso" em cada item. Leia a sua e ignore as outras quatro.

Minha regra de bolso: escolha pelo resultado que cobram de você nesse papel, não pelo quanto você se sente atrasado. Quem se sente atrasado corre pro link mais técnico da página — e é exatamente assim que alguém gasta três fins de semana em gradient descent pra uma vaga que nunca vai perguntar isso.

Papel 1 — Você traduz IA pra quem não constrói

EM, PM, designer, ops. Você é cobrado pelas decisões que toma e pelo vocabulário que usa pra defender elas — em inglês, numa reunião, com um hiring manager do outro lado.

• Elements of AI — feito pela Universidade de Helsinki junto com a MinnaLearn, sem código e sem matemática, em dois cursos na sequência: Introduction to AI e depois Building AI. Mais de 2 milhões de pessoas se inscreveram e os formados vêm de mais de 170 países — e essa parte importa numa busca focada na Europa, porque um gestor holandês ou alemão provavelmente já ouviu falar dele. Melhor pra: o gestor que precisa sustentar a conversa, não escrever o código. Pule se: você já entrega qualquer coisa que chama um modelo — o capítulo 1 vai te dar sono na primeira noite.
• Um detalhe brasileiro que vale saber: a versão em português fica no elementsofai.pt — ou seja, Portugal, não Brasil. Como o vocabulário que você vai precisar de fato na entrevista é em inglês, faça em inglês e conte a leitura como treino pra entrevista.

Papel 2 — Você dirige agentes de código o dia inteiro

Você já mora dentro de um agente e chegou naquele teto em que ele faz 80% da tarefa e destrói os últimos 20% sem avisar.

• Anthropic Academy — três trilhas (Build with Claude, Claude for work, Claude for personal) e certificado ao concluir. Dentro do catálogo existe uma escada de verdade, não uma pilha: Claude Code 101 → Claude Code in Action → Introduction to agent skills → Introduction to subagents. Melhor pra: o dev que usa Claude Code todo dia e ainda não sabe explicar por que algumas execuções saem do trilho.
• O Claude Code in Action em particular — o botão de inscrição diz FREE, e o programa tem 11 seções que parecem o checklist de um sênior: Steer the Work, Steering Long Sessions, Configure Claude, A CLAUDE.md That Follows, Verification Skills, Permission Modes, Hooks, Automate Repeat Work, Routines and Headless, GitHub Actions and Code Review, Plugins — mais um quiz. Melhor pra: fechar a distância entre "eu uso a ferramenta" e "eu deixo a ferramenta rodar sem olhar". Pule se: te apontaram as versões AI Fluency for educators / students / nonprofits — é o mesmo framework, público errado pra você.

Papel 3 — Você entrega features que chamam um modelo

Tem um ticket no seu board esse mês com uma chave de API dentro. Você é cobrado se a coisa funciona em produção e quanto custa pra rodar.

• OpenAI Cookbook — 82 entradas na hora que escrevo isso (13 artigos e 69 exemplos), passando por agentes, evals, RAG, fine-tuning, visão, voz e modernização de código. O detalhe que transforma isso de link salvo em ferramenta: cada entrada tem uma gêmea em Markdown em /cookbook/<path>.md, e existe um export de tudo num único arquivo Markdown. Você não senta pra ler aquilo — você entrega pro seu próprio agente como referência, pra ele escrever o primeiro rascunho olhando uma receita real em vez da memória dele. Melhor pra: quem tem um ticket, não curiosidade. Pule: ler do começo ao fim. É material de consulta, e tratar consulta como curso é assim que um sábado inteiro desaparece.
• O degrau equivalente no lado do Claude: Building with the Claude API e Introduction to Model Context Protocol no catálogo da Anthropic Academy, com Model Context Protocol: Advanced Topics depois deles.

Papel 4 — Você revisa trabalho de ML que nunca vai fazer

Staff engineer, EM, tech lead. Ninguém espera que você treine o modelo. Todo mundo espera que você sinta o cheiro quando uma estimativa ou uma métrica é conversa fiada.

• Machine Learning Crash Course do Google — aqui ele passa a ser a linha certa em vez da errada. 15 horas, mais de 130 questões práticas, e depois da reescrita os módulos vão de regressão linear e logística, passando por dados numéricos/categóricos e overfitting, até redes neurais, embeddings e modelos de linguagem, e terminam em sistemas em produção, AutoML e justiça algorítmica. Melhor pra: o EM que precisa questionar o plano de um data scientist sem blefar. Pule: os exercícios de programação em Keras se você nunca vai ser dono de um treinamento — leia as visualizações interativas e os módulos de dados, porque é de lá que saem as discussões da sua daily.

Papel 5 — Você está mudando de trilha de propósito

Não é "ficar melhor com IA" — é mudar o que está escrito no seu cargo.

• Microsoft AI For Beginners — 12 semanas, 24 aulas, licença MIT, escrito pelo Dmitry Soshnikov, com notebooks em PyTorch e em TensorFlow/Keras. Ele ensina a área, não um produto: IA simbólica, redes neurais, visão computacional, NLP, algoritmos genéticos e aprendizado por reforço, mais uma parte sobre ética em IA. Está traduzido pra mais de 50 idiomas e o repositório tem uma pasta pt-BR de verdade, não só pt-PT. Melhor pra: quem quer a disciplina, não a ferramenta. Pule se: você não consegue dizer o nome da coisa que vai ter construído até a aula 24 — currículo de 12 semanas sem alvo é o recurso grátis mais caro dessa página.

Decida em 60 segundos

ESCOLHA UM — responda na ordem e pare no primeiro SIM

1. Você precisa explicar IA pra quem não constrói?
   → Elements of AI (Helsinki + MinnaLearn). Sem código, sem matemática.
2. Você roda um agente de código todo dia e vive batendo no teto?
   → Anthropic Academy: Claude Code 101 → Claude Code in Action
     → Introduction to agent skills → Introduction to subagents.
3. Tem um ticket no seu board esse mês que chama a API de um modelo?
   → OpenAI Cookbook (+ Building with the Claude API, no lado Claude).
4. Você revisa, estima ou questiona trabalho de ML que não é seu?
   → Google ML Crash Course. Leia os módulos, pule os exercícios em Keras.
5. Você está mudando de trilha pra ML de propósito?
   → Microsoft AI For Beginners. 24 aulas — e escreva o seu projeto
     alvo antes da aula 1.

Nenhum SIM? Você não precisa de curso essa semana. Precisa de uma tarefa.

O erro que custa mais caro

Não é escolher o curso errado. É escolher três. Dois desses cinco recursos são material de consulta (o Cookbook e o crash course do Google, se você tirar os exercícios) e três são cursos sequenciais — e ter parado nos primeiros 20% de três cursos sequenciais não vale nada, nem pra sua habilidade nem pro seu currículo. Uma linha, uma passada. Depois o próximo papel, se você realmente for pra ele.

Hoje: responda as cinco perguntas acima em voz alta e pare no primeiro sim. Abra só aquele link, ache o primeiro exercício ou receita que encosta em algo que já está no seu board essa semana e faça só isso. Feche as outras quatro abas antes de começar — essa parte é a técnica inteira.

Fontes

• Google — Machine Learning Crash Course: prerequisites and prework
• Google Developers Blog — Machine Learning Crash Course gets new updates
• Elements of AI — University of Helsinki and MinnaLearn
• Anthropic Academy — learning tracks
• Anthropic Academy — course catalog
• Anthropic Academy — Claude Code in Action
• OpenAI Cookbook — recipes and examples
• Microsoft AI For Beginners — 12-week, 24-lesson curriculum