3
respostas

[Projeto] Mão na Massa: método 70-20-10 - Maximizando o aprendizado

Aprendizado

Minha jornada de aprendizado sempre esteve ligada ao autodidatismo, que considero um diferencial em minha evolução profissional.

Concluí o curso de Data Science (UnG, 2023), o que consolidou minha base formal.

Paralelamente, participo como Insider da Microsoft / Windows 11, além de explorar ambientes Linux (Kali, Canonical, FydeOS) e soluções da Apache Foundation, aplicando em áreas como Data Security, Data Mining e Machine Learning.

Além da formação acadêmica em tecnologia, minha vivência prática se estende a outras áreas:

  • Trabalhei com aplicações científicas de energia em ar comprimido (Atlas Copco Brasil);
  • Com transformação de polímeros em plásticos de engenharia (Krauss Maffei Kunststofftechnik);
  • Em logística internacional e
  • Desenvolvimento de novos produtos, além de atuar em KAM em TI e gestão de projetos (através de empresa de consultoria) na antiga Bovespa – hoje B3, com experiência em liderança de pessoas e reuniões analíticas.

Metodologia

Baseando-me no método 70-20-10, avalio assim:

70% – Aprendizado prático

Grande parte da minha trajetória vem da aplicação em cenários reais, tanto em projetos técnicos (Data Science, Segurança de Dados, Machine Learning) quanto em ambientes corporativos e industriais.

Essa prática multidisciplinar proporcionou que desenvolvesse visão de processos, eficiência, inovação e gestão.

20% – Aprendizado social

Participo de programas como o Microsoft Insider e de projetos coletivos em diferentes setores, sempre com interação e troca de conhecimento com equipes multidisciplinares.

Recentemente, tenho ampliado isso em comunidades como a Alura, o que fortalece ainda mais essa dimensão.

10% – Aprendizado formal

O curso de Data Science (UnG), a formação em IA (Alura, Santander Open Academy) e outras capacitações foram fundamentais para estruturar meu conhecimento e orientar minha prática.

Conclusão

Minha trajetória mostra que, naturalmente, já segui o equilíbrio do método 70-20-10, com forte ênfase na prática e vivências reais.

Agora, meu próximo objetivo é transformar esses projetos e experiências em entregáveis documentados (GitHub, Kaggle, artigos), ampliando a troca de conhecimento e consolidando ainda mais o ciclo de aprendizado.

Seguindo o viver, caminhar adiante sempre.

Garanta sua matrícula hoje e ganhe + 2 meses grátis

Continue sua jornada tech com ainda mais tempo para aprender e evoluir

Quero aproveitar agora
3 respostas

Olá! Tudo bem?

Que reflexão fantástica sobre sua jornada de aprendizado! É impressionante ver a riqueza e a diversidade da sua trajetória, e como você conectou tudo de forma tão clara com o método 70-20-10.

Seu próximo passo, de transformar suas experiências em projetos documentados, é excelente para consolidar o conhecimento e construir um portfólio de impacto.

Sua mentalidade de aprendizado contínuo é inspiradora. Parabéns pela dedicação!

Bons estudos!

Sucesso

Imagem da comunidade

Fiquei impressionado com a forma como o método do curso validou uma nova maneira de equilibrar os estudos. Diante disso, gostaria de pedir uma ajuda, aproveitando sua experiência em Machine Learning e, consequentemente, seu conhecimento aprofundado em IA, para um projeto que estou desenvolvendo.
Meu Objetivo:
Estou no início da minha jornada na área de tecnologia e, para acelerar meu aprendizado, quero criar um "chatbot-mentor" especializado. A minha ideia é ir além dos prompts tradicionais no Gemini/ChatGPT e aplicar o método de Engenharia Cognitiva para simular a arquitetura de pensamento de um especialista que admiro.
Contexto do Projeto:
Pelo que pesquisei, o processo se resume a estas três etapas:
Extrair o "DNA Mental": Coletar e analisar um grande volume de dados públicos (vídeos, textos, entrevistas) para mapear os modelos mentais, processos de decisão e valores da pessoa.
Estruturar a Arquitetura Mental: Organizar esse conhecimento em um "manual de instruções" que definirá as regras e os padrões de raciocínio da IA.
Injetar na IA: Alimentar o modelo de linguagem com essa arquitetura através de instruções de sistema e uma base de conhecimento (RAG).
Minha Dúvida (Onde estou parado):
Estou focado na Fase 1 (Extrair o DNA Mental). Escolhi usar o ecossistema do Google (Gemini Pro) pelo acesso facilitado a conteúdos públicos, como vídeos do YouTube. No entanto, encontrei uma barreira técnica: comecei a explorar a API da Vertex AI para automatizar a extração das transcrições e outros dados em massa, mas achei a plataforma um pouco complexa para o meu nível atual.
A pergunta é: Vocês poderiam me orientar sobre uma forma mais simples ou uma abordagem de API mais direta para realizar essa extração de dados em larga escala? Existe alguma ferramenta ou método alternativo que seja mais acessível para quem está começando?
Qualquer ajuda ou direcionamento será muito bem-vindo.
Obrigado!

Olá Henrique,

Agradeço suas palavras, mas tudo é fruto de muito sangue, suor e lágrimas. Valeu a pena.

A sua solicitação é um pouco longa e complexa, e vejo que você não está conseguindo ver oportunidades que estão ao alcance de suas mãos: você tem (necessariamente, se me permite dizer), que desenvolver o lado mais abstrato, mais filósófico de sua mente, pois, somente a lógica faz que entenda apenas os '0' e '1', e o que estiver fora é descartado, mas é aí que está o verdadeiro ouro.

Veja, você tem que saber andar sobre o fio da espada (falando de maneira abstrata e não lógica), ou seja, não basta ser um técnico em Python, Scalla, Java... É necessário que seja um analista cognitivo (ou o filósofo') para ser o partner da AI que é onde está buscando prováveis respostas: - depende como elabora suas perguntas (equações), e será a maneira como obterá suas respostas.

O fio da espada' a que me refiro é: a racionalidade humana vs. capacidade da máquina, que está exatamente na transição da Fase 1 para a Fase 2 (da extração de dados para a estruturação da arquitetura mental).

O filósofo (o analista) extrai padrões, listas de conceitos; a AI lista o que foi dito, mas o ser humano interpreta o significado e a hierarquia por trás.

Você define o Padrão de Raciocínio (as regras). Por exemplo: o especialista usa Analogia antes de Dados Empíricos . A AI deve seguir essa ordem. Se a AI extrai 20 valores, o humano precisa escolher os 5 mais relevantes e garantir que eles não sejam contraditórios, formando um sistema de crenças coeso.

Antes das respostas técnicas, que peço um pequeno tempo para elaborar, tente analisar seu projeto e 'sair da caixinha', que tudo ficará mais fácil. Confie em suas dúvidas, que elas te farão evoluir mais e mais.

Sucessos.
Abraços e até breve,