Translated README, setup files, week1/day1.ipynb and week1/scraper.py into Brazilian Portuguese.

week1/community-contributions/santclear/licoes-traduzidas-portugues-brasil/setup/SETUP-linux.md

@@ -0,0 +1,212 @@
+# LLM Engineering - Domine IA e LLMs
+
+## Instruções de configuração originais para Linux
+
+**Estas são as instruções originais correspondentes à versão original dos vídeos, anteriores a outubro de 2025. Para a nova versão, consulte [SETUP-new.md](SETUP-new.md).**
+
+Bem-vindas e bem-vindos, usuários de Linux!
+
+Preciso admitir que pedi ao ChatGPT para gerar este documento com base nas instruções para Mac e depois revisei e ajustei algumas seções. Se alguma parte não funcionar na sua distro, avise-me — resolveremos juntos e atualizarei as instruções para o futuro.
+
+___
+
+Configurar um ambiente robusto para trabalhar na vanguarda da IA exige algum esforço, mas estas instruções devem guiá-lo sem dificuldades. Se encontrar qualquer problema, fale comigo. Estou aqui para garantir que tudo fique pronto sem dor de cabeça.
+
+E-mail: ed@edwarddonner.com  
+LinkedIn: https://www.linkedin.com/in/eddonner/  
+
+Usaremos o Anaconda para criar um ambiente confiável para o seu trabalho com IA. Também ofereço uma alternativa mais leve, caso prefira evitar o Anaconda. Vamos lá!
+
+### Parte 1: Fazer o clone do repositório
+
+Assim você obtém uma cópia local do código.
+
+1. **Instale o Git**, caso ainda não esteja disponível:
+
+- Abra um terminal.
+- Execute `git --version`. Se o Git não estiver instalado, siga as instruções para sua distribuição:
+  - Debian/Ubuntu: `sudo apt update && sudo apt install git`
+  - Fedora: `sudo dnf install git`
+  - Arch: `sudo pacman -S git`
+
+2. **Navegue até a pasta de projetos:**
+
+Se você já tem uma pasta específica para projetos, vá até ela com `cd`. Por exemplo:  
+`cd ~/Projects`
+
+Se não tiver, crie uma:
+```
+mkdir ~/Projects
+cd ~/Projects
+```
+
+3. **Clone o repositório:**
+
+Execute:
+`git clone https://github.com/ed-donner/llm_engineering.git`
+
+Isso cria um diretório `llm_engineering` dentro de `Projects` e baixa o código do curso. Entre nele com `cd llm_engineering`. Esse é o "diretório raiz do projeto".
+
+### Parte 2: Instalar o ambiente Anaconda
+
+Se esta Parte 2 apresentar problemas, consulte a Parte 2B alternativa.
+
+1. **Instale o Anaconda:**
+
+- Baixe o instalador para Linux em https://www.anaconda.com/download.
+- Abra um terminal e vá até a pasta onde o `.sh` foi salvo.
+- Execute o instalador: `bash Anaconda3*.sh` e siga as instruções. Atenção: você precisará de mais de 5 GB de espaço em disco.
+
+2. **Configure o ambiente:**
+
+- No terminal, acesse o diretório raiz do projeto:
+  `cd ~/Projects/llm_engineering` (ajuste conforme o seu caminho).
+- Execute `ls` para confirmar a presença das subpastas semanais.
+- Crie o ambiente: `conda env create -f environment.yml`
+
+A instalação pode levar vários minutos (até uma hora para quem nunca usou Anaconda). Se demorar demais ou ocorrerem erros, use a Parte 2B.
+
+- Ative o ambiente: `conda activate llms`.
+
+Você deve ver `(llms)` no prompt, sinal de que a ativação deu certo.
+
+Em algumas distribuições pode ser necessário garantir que o ambiente apareça no Jupyter Lab:
+
+`conda install ipykernel`  
+`python -m ipykernel install --user --name=llmenv`
+
+3. **Inicie o Jupyter Lab:**
+
+Estando na pasta `llm_engineering`, execute `jupyter lab`.
+
+O Jupyter Lab abrirá no navegador. Após confirmar que funciona, feche-o e siga para a Parte 3.
+
+### Parte 2B - Alternativa à Parte 2 se o Anaconda der trabalho
+
+1. **Instale o Python 3.11 (se necessário):**
+
+- Debian/Ubuntu: `sudo apt update && sudo apt install python3.11`
+- Fedora: `sudo dnf install python3.11`
+- Arch: `sudo pacman -S python`
+
+2. **Acesse o diretório raiz do projeto:**
+
+`cd ~/Projects/llm_engineering` e confirme o conteúdo com `ls`.
+
+3. **Crie um ambiente virtual:**
+
+`python3.11 -m venv llms`
+
+4. **Ative o ambiente virtual:**
+
+`source llms/bin/activate`
+
+O prompt deve exibir `(llms)`.
+
+5. **Instale os pacotes necessários:**
+
+Execute `python -m pip install --upgrade pip` e depois `pip install -r requirements.txt`.
+
+Se surgir algum problema, tente o plano B:
+`pip install --retries 5 --timeout 15 --no-cache-dir --force-reinstall -r requirements.txt`
+
+###### Usuários de Arch
+
+Algumas atualizações quebram dependências (principalmente numpy, scipy e gensim). Para contornar:
+
+`sudo pacman -S python-numpy python-pandas python-scipy` — não é a opção ideal, pois o pacman não se integra ao pip.
+
+Outra alternativa, caso ocorram conflitos de compilação:
+
+`sudo pacman -S gcc gcc-fortran python-setuptools python-wheel`
+
+*Observação:* o gensim pode falhar com versões recentes do scipy. Você pode fixar o scipy em uma versão mais antiga ou remover temporariamente o gensim do requirements.txt. (Veja: https://aur.archlinux.org/packages/python-gensim)
+
+Por fim, para que o kernel apareça no Jupyter Lab após o passo 6:
+`python -m ipykernel install --user --name=llmenv`
+`ipython kernel install --user --name=llmenv`
+
+6. **Inicie o Jupyter Lab:**
+
+Na pasta `llm_engineering`, execute `jupyter lab`.
+
+### Parte 3 - Chave da OpenAI (OPCIONAL, mas recomendada)
+
+Nas semanas 1 e 2 você escreverá código que chama APIs de modelos de ponta.
+
+Na semana 1 basta a OpenAI; as demais chaves podem vir depois.
+
+1. Crie uma conta na OpenAI, se ainda não tiver:  
+https://platform.openai.com/
+
+2. A OpenAI exige um crédito mínimo para liberar a API. Nos EUA, são US$ 5. As chamadas descontarão desse valor. No curso usaremos apenas uma pequena parte. Recomendo fazer esse investimento, pois será útil para projetos futuros. Caso não queira pagar, ofereço uma alternativa com o Ollama ao longo das aulas.
+
+Adicione crédito em Settings > Billing:  
+https://platform.openai.com/settings/organization/billing/overview
+
+Sugiro desativar a recarga automática.
+
+3. Gere sua chave de API:
+
+Acesse https://platform.openai.com/api-keys, clique em "Create new secret key" (botão verde) e depois em "Create secret key". Guarde a chave em local seguro; não será possível recuperá-la posteriormente. Ela deve começar com `sk-proj-`.
+
+Na semana 2 criaremos também chaves para Anthropic e Google:  
+- Claude API: https://console.anthropic.com/  
+- Gemini API: https://ai.google.dev/gemini-api
+
+Mais adiante utilizaremos a ótima plataforma HuggingFace; a conta gratuita está em https://huggingface.co — gere um token em Avatar >> Settings >> Access Tokens.
+
+Nas semanas 6/7 empregaremos o Weights & Biases em https://wandb.ai para monitorar os treinamentos. As contas também são gratuitas e o token é criado de modo semelhante.
+
+### PARTE 4 - Arquivo .env
+
+Quando tiver as chaves, crie um arquivo `.env` no diretório raiz do projeto. O nome deve ser exatamente ".env" — nada de "minhas-chaves.env" ou ".env.txt". Passo a passo:
+
+1. Abra um terminal.
+
+2. Navegue até o diretório raiz do projeto com `cd ~/Projects/llm_engineering` (ajuste conforme necessário).
+
+3. Crie o arquivo com:
+
+`nano .env`
+
+4. Digite suas chaves no nano, substituindo `xxxx` pelo valor correto (ex.: começa com `sk-proj-`):
+
+```
+OPENAI_API_KEY=xxxx
+```
+
+Se já tiver outras chaves, você pode incluí-las agora ou mais tarde:
+```
+GOOGLE_API_KEY=xxxx
+ANTHROPIC_API_KEY=xxxx
+DEEPSEEK_API_KEY=xxxx
+HF_TOKEN=xxxx
+```
+
+5. Salve o arquivo:
+
+Control + O  
+Enter (para confirmar)  
+Control + X para sair
+
+6. Liste os arquivos, inclusive ocultos:
+
+`ls -a`
+
+Confirme que o `.env` está presente.
+
+O arquivo não aparecerá no Jupyter Lab porque arquivos iniciados com ponto ficam ocultos. Ele já está no `.gitignore`, então não será versionado e suas chaves ficam protegidas.
+
+### Parte 5 - Hora do show!
+
+1. Abra um terminal.
+2. Vá até o diretório raiz do projeto:
+   `cd ~/Projects/llm_engineering`.
+3. Ative seu ambiente:
+   - Com Anaconda: `conda activate llms`
+   - Com a alternativa: `source llms/bin/activate`
+
+Você deve ver `(llms)` no prompt. Execute `jupyter lab` para começar.
+
+Aproveite a jornada rumo ao domínio de IA e LLMs!