Your cart is empty.
Keep shoppingFormação LLM Local: Ollama, LM Studio e Hugging Face
Role Play
Hot & New
183 students
Formação LLM Local: Ollama, LM Studio e Hugging Face
Execute modelos de IA gratuitamente e com privacidade: Ollama, LM Studio, Hugging Face, RAG, embeddings e muito mais
Last updated 7/2026
Portuguese
What you'll learn
- Execute modelos LLM localmente com privacidade total e custo zero de API, usando Ollama, LM Studio e Hugging Face
- Entenda como um LLM funciona por baixo do capô e escolha o modelo certo para cada faixa de hardware
- Domine o Ollama do zero ao avançado: comandos, parâmetros, streaming, System Prompt e modelos customizados com Modelfile
- Construa um RAG do zero com embeddings, permitindo que a IA responda com base nos seus próprios documentos
- Use Structured Output e Function Calling para integrar LLMs locais em aplicações reais com respostas confiáveis
- Integre o Ollama com ferramentas do dia a dia e use o Claude Code gratuitamente, sem pagar por tokens
- Rode e explore modelos open source do Hugging Face com pipelines em Python
- Use o LM Studio para rodar modelos com interface gráfica, sem escrever código
Explore related topics
Course content
14 sections • 57 lectures • 8h 0m total length
Requirements
- Computador com no mínimo 8 GB de RAM (16 GB recomendado) — mostramos quais modelos rodam bem em cada configuração
- Cerca de 20 GB de espaço livre em disco para baixar e armazenar os modelos
- Familiaridade básica com o terminal/linha de comando (o essencial é ensinado no curso)
- Não é necessária GPU dedicada — os exemplos funcionam em notebooks comuns, incluindo Macs com chip Apple Silicon
- Vontade de colocar a mão na massa: o curso é prático do início ao fim
Description
Toda vez que você usa uma IA na nuvem, seus dados fazem uma viagem: saem da sua máquina, passam por servidores de terceiros e ficam sujeitos a políticas de privacidade que você provavelmente nunca leu. Para muita coisa, tudo bem. Mas quando o assunto é código proprietário, documentos internos da empresa, dados de clientes ou qualquer informação sensível, esse modelo começa a incomodar — e com razão.
Rodar um modelo LLM localmente resolve isso na raiz: o dado não sai do seu computador porque simplesmente não precisa sair. Você ganha privacidade de verdade, controle total sobre o que acontece com suas informações e, de quebra, para de pagar por token.
Essa formação nasceu dessa necessidade. A ideia é te levar do zero até o ponto em que você roda, customiza e integra modelos open source na sua própria máquina, com confiança pra decidir qual ferramenta usar em cada situação.
O que você vai aprender:
Por que empresas e desenvolvedores estão migrando para LLMs locais — privacidade, controle e custo zero de API
Como um modelo LLM funciona por baixo do capô
O ecossistema Hugging Face: explorar, escolher e rodar modelos open source
Pipelines em Python: AutoTokenizer, AutoModel e uso de modelos por tarefa
LM Studio: interface gráfica, gerenciamento de modelos, Structured Output e Function Calling
Ollama do zero ao avançado: instalação, comandos, Generate vs Chat, parâmetros e streaming
System Prompt, roles e criação de modelos customizados com Modelfile
Structured Output para respostas em formato confiável
Embeddings e RAG na prática: construindo um RAG básico do zero
Modelos multimodais rodando localmente
Integração com ferramentas do dia a dia, incluindo como usar o Claude Code com custo zero usando Ollama
Quais modelos rodam bem em cada faixa de hardware — do notebook comum à máquina parruda
Ao final, você não vai só entender a teoria. Vai ter o Hugging Face, o LM Studio e o Ollama rodando na sua própria máquina, com privacidade total e custo zero, e a confiança pra escolher a ferramenta certa em cada situação. Inscreva-se agora e comece a rodar a sua própria IA local hoje.
Who this course is for:
- Desenvolvedores que querem integrar IA em suas aplicações sem depender de APIs pagas ou enviar dados para a nuvem
- Profissionais que trabalham com dados sensíveis (código proprietário, documentos internos, informações de clientes) e precisam de privacidade real
- Profissionais de dados e engenheiros de machine learning que querem dominar o ecossistema de modelos open source
- Estudantes e entusiastas de IA que querem entender como LLMs funcionam na prática, rodando tudo na própria máquina
- Empresas e times de tecnologia avaliando LLM local como alternativa para reduzir custos e manter controle sobre seus dados
- Quem já usa ChatGPT, Claude ou Gemini no dia a dia e quer dar o próximo passo: ter sua própria IA rodando localmente, sob seu controle