// quem somos
Fundada sobre medições.
Comprometida com resultados verificáveis.
A Kael Foundry nasceu da observação de que a maioria dos problemas de performance em workloads de IA começa antes de qualquer otimização — no momento em que o desenvolvedor não sabe exatamente o que está lento.
Voltar ao início// nossa história
Como a Kael Foundry surgiu
A Kael Foundry foi criada em São José dos Campos por um grupo de engenheiros que atuavam em pipelines de treinamento e inferência de modelos de linguagem de grande escala. O padrão que eles observavam repetidamente era o mesmo: equipes competentes alocando dias de trabalho em otimizações que não moviam o indicador certo — às vezes porque não sabiam qual indicador observar.
A partir de 2022, essa experiência foi sistematizada em material educacional estruturado — não como uma coleção de truques, mas como uma metodologia de profiling-antes-de-ajuste aplicável a qualquer workload moderno em hardware Nvidia. Os primeiros cursos foram desenvolvidos internamente e validados com times de engenharia antes de se tornarem programas abertos.
Hoje a Kael Foundry oferece três trilhas com progressão clara, desde o diagnóstico inicial até a engenharia sistemática de desempenho em projetos reais. O núcleo da abordagem não mudou: nenhuma otimização é ensinada sem que o aluno saiba como medir se ela funcionou.
// missão e valores
O que nos orienta
Dados antes de intuição
Toda decisão de otimização deveria partir de uma medição. Ensinamos isso como hábito, não como exceção.
Progressão sem atalhos
Cada trilha pressupõe a anterior. Desenvolvemos engenheiros capazes de raciocinar sobre o problema inteiro, não apenas aplicar receitas.
Transparência nos limites
Não fazemos afirmações sobre resultados que um aluno vai alcançar. Apresentamos o que o método entrega e o que depende do contexto de cada projeto.
Comunidade técnica ativa
O aprendizado não termina no material gravado. Fóruns, revisões entre pares e sessões com mentores fazem parte da estrutura de cada trilha.
// equipe
Quem desenvolve os cursos
Os materiais da Kael Foundry são desenvolvidos por engenheiros com histórico em pipelines de IA em produção, não por instrutores genéricos de tecnologia.
Rafael Camargo
Instrutor principal — Profiling
Trabalhou por seis anos com otimização de kernels de inferência em NLP. Desenvolveu as bases do curso de Fundamentos e conduz os laboratórios da trilha intermediária.
Luísa Saraiva
Instrutora — Otimização de Pipelines
Especialista em layout de memória e precisão mista em modelos de visão computacional. Responsável pelos laboratórios práticos da Trilha de Técnicas.
Pedro Menezes
Mentor — Programa Avançado
Atuou como engenheiro de sistemas em produção de grande escala. Conduz as revisões de capstone no Programa de Performance Avançada e coordena o fórum técnico.
// padrões de qualidade
Como mantemos o nível do conteúdo
Exercícios testados em hardware real
Cada exercício passou por validação em aceleradores Nvidia atuais antes de entrar no material. Resultados não reprodutíveis são removidos.
Revisão contínua do conteúdo
O material é revisado a cada lançamento relevante de driver, ferramenta de profiling ou arquitetura. Alunos recebem as atualizações dentro do período de acesso.
Proteção de dados dos alunos
Dados pessoais são tratados conforme a LGPD. Nenhuma informação de alunos é compartilhada com parceiros comerciais ou usada para fins publicitários.
Avaliação de aprendizagem prática
O progresso é medido por entrega de análises e projetos, não por questionários de múltipla escolha. O aluno demonstra o que aprendeu com dados reais.
Feedback estruturado entre turmas
Após cada turma, os dados de avaliação e os comentários dos alunos alimentam um processo formal de melhoria do material para a próxima edição.
Acesso à plataforma com controle
O material de cada trilha fica acessível apenas ao aluno matriculado, com autenticação individual. O conteúdo não é redistribuível sob os termos de uso.
// abordagem técnica
Performance de aceleradores Nvidia como disciplina de engenharia
Hardware acelerador Nvidia — GPUs como a série H100, A100 e L40 — opera sob um conjunto de restrições que diferem fundamentalmente de CPUs de propósito geral. A ocupância de Streaming Multiprocessors, a latência de acesso à memória HBM, a eficiência de transferência PCIe e o comportamento de kernels sob diferentes regimes de precisão numérica são variáveis que interagem de formas não óbvias. Quem não mede antes de ajustar frequentemente resolve o problema errado.
A Kael Foundry aborda isso como uma disciplina com ferramental próprio — Nsight Compute, Nsight Systems, PyTorch Profiler — e com um conjunto de hábitos de interpretação de dados. O objetivo de cada trilha não é ensinar truques que funcionam num benchmark específico, mas desenvolver a capacidade de diagnosticar qualquer workload de IA com instrumentação adequada e decidir o próximo passo a partir do que os dados mostram.
Para equipes que desenvolvem em São José dos Campos, no Vale do Paraíba e no restante do Brasil, a Kael Foundry oferece uma alternativa local ao conteúdo técnico em inglês disponível nas grandes plataformas internacionais — com exercícios adaptados ao contexto de times que trabalham com modelos de linguagem, visão computacional e pipelines de inferência em produção.
// próximo passo
Tem perguntas sobre a metodologia ou as trilhas?
Nossa equipe responde dúvidas sobre abordagem, conteúdo e pré-requisitos. Não há compromisso na consulta.
Entrar em contato