Sobre o Curso

O curso de Pós-Graduação em Inteligência Artificial proporciona a seus alunos uma base sólida de conceitos e fundamentos técnicos, além da experiência transmitida por profissionais do mercado. O objetivo é propiciar aos profissionais o conhecimento das tecnologias e modelos fundamentais dos sistemas inteligentes. Além disso, o aluno poderá compreender os mecanismos, frameworks e metodologias usadas no desenvolvimento de software para sistemas de IA. Ao final, o estudante estará apto a desenvolver soluções de IA utilizando diferentes frameworks e plataformas: Keras, TensorFlow, Jupyter, Anaconda, PyTorch, IBM Watson, scikit-learn. O curso está em constante alinhamento com as demandas do mercado e evolução tecnológica.

Clique abaixo para saber mais sobre o curso.

Objetivos

Aprender a desenvolver e analisar algoritmos de aprendizagem supervisionada e não supervisionada para Machine Learning, Deep Learning e Reinforcement Learning aplicadas a Processamento de Linguagem Natural (NPL), Visão computacional, Computação Cognitiva, Análise de Sentimentos, Chatbots dentre outras aplicações.

Se capacitar no conhecimento estatístico necessário para IA. Desenvolver algoritmos e sistemas inteligentes utilizando diferentes frameworks, ferramentas e plataformas como Keras, TensorFlow, Jupyter, Anaconda, PyTorch, IBM Watson, scikit-learn.

O Profissional

Aprender a desenvolver e analisar algoritmos de aprendizagem supervisionada ou não supervisionada para Machine Learning e Deep Learning aplicadas a Processamento de Linguagem Natural (NPL), Visão computacional, Computação Cognitiva, Análise de Sentimentos, Chatbots dentre outras aplicações. Aprendar a utilizar plataformas como Google Tensor Flow, Facebook PyTorch, IBM Watson, Amazon MXNet, Keras, plataformas open source, dentre outras.

Pré-Requisitos

Graduação em instituição de ensino superior reconhecida pelo Ministério da Educação (MEC)

Público Alvo

Profissionais que queiram se capacitar para desenvolver soluções tecnológicas para a tecnologia mais disruptiva da atualidade: Inteligência Artificial. Esta tecnologia está sendo a grande evolução dentro da computação e este curso prepara você para o futuro. A indústria carece de profissionais capacitados para o desenvolvimento de sistemas inteligentes e que consigam analisar uma grande quantidade de dados e esta tendência deve crescer massivamente nos próximos anos.

São profissionais das seguintes áreas: profissionais de Tecnologia da Informação e Comunicações - TIC (Analistas de Sistemas, Bacharéis em Sistemas de Informação, Ciência da Computação, Engenharia da Computação e Tecnólogos em Processamento de Dados ou em Redes de Computadores), Engenheiros Elétricos, Engenheiros de Redes, Tecnólogos em Telecomunicações, e demais profissionais de nível superior engajados ou que queiram se engajar no desenvolvimento de sistemas inteligentes para qualquer área do conhecimento.

Metodologia de Aplicação

As aulas acontecerão duas vezes por semana e serão remotas no formato telepresencial ao vivo com cada professor utilizando a plataforma online do Blackboard Collaborate. O conteúdo de todas as aulas online fica gravado e o aluno pode rever as aulas a qualquer momento.

Ao longo do curso, o aluno aplicará, em situações práticas em estudos de caso reais os ensinamentos absorvidos. As aulas são expositivas e demonstrativas, com tarefas individuais e em grupo com foco na prática.

Em todas as disciplinas o aluno será avaliado por entregáveis como protótipos, códigos, canvas, wireframes e aplicativos nas diferentes ferramentas e plataformas de desenvolvimento vistas ao longo do curso. Não temos provas e nem TCC (Trabalho de Conclusão de Curso).

Mercado de Trabalho

Inteligência Artificial é uma tecnologia de disrupção de mercados. Disrupção se traduz em um produto ou serviço que cria um novo mercado e desestabiliza os concorrentes que antes o dominavam. É geralmente algo mais simples, mais barato do que o que já existe, ou algo capaz de atender um público que antes não tinha acesso ao mercado.

O mercado profissional e empreendedor está cada vez mais acelerado e o principal driver de aceleração são as oportunidades criadas na área de Inteligência Artificial. Os mercados impactados por esta tecnologia apresentam um maior crescimento, são mais dinâmicos e mais revolucionários dentre a maioria dos mercados de produtos de consumo. O crescimento vertiginoso desta nova tecnologia seja em hardware ou software tem aberto várias oportunidades e criando mercados novos para desenvolvedores e empreendedores. Uma nova onda de serviços e aplicações para Internet está sendo criada pensando neste crescente de disrupção tecnológica. Estudos mostram que no curto prazo esta tecnologia revolucionará vários mercados.

Matriz Curricular

  • Fundamentos de Inteligência Artificial
  • Estatística e Análise de dados com Python
  • Aprendizado Supervisionado: Machine Learning
  • Data Discovering e Data Visualization
  • Aprendizado Não-supervisionado
  • Deep Learning: supervisionado e não-supervisionado
  • Inferência Bayesiana em Machine Learning
  • Reinforcement Learning
  • Reconhecimento de Imagens e Visão Computacional
  • Computação cognitiva 1
  • Computação cognitiva 2
  • Computação cognitiva 3
  • Chatbot
  • Plataformas de Big Data

Matriz Curricular

  • Introdução as Tecnologias de Ciência de Dados
  • Análise Exploratória e Visualização de Dados
  • Softwares para uso em Ciência de Dados I
  • Métodos Estatísticos de Apoio à Decisão I
  • Softwares para uso em Ciência de Dados
  • Data Mining e Machine Learning I
  • Softwares para uso em Ciência de Dados III
  • Métodos Estatísticos de Apoio à Decisão II
  • Data Mining e Machine Learning II
  • Big Data e Ecossistema Hadoop
  • Tópicos Avançados em Machine Learning e Deep Learning
  • Projeto aplicado e Tópicos Avançados em Métodos Estatísticos para Ciência de Dados
Cada disciplina tem carga horária de 100 horas.
slider-arrow-left-icon Created with Sketch.
Matriz Curricular
  • Introdução as Tecnologias de Ciência de Dados
  • Análise Exploratória e Visualização de Dados
  • Softwares para uso em Ciência de Dados I
  • Métodos Estatísticos de Apoio à Decisão I
  • Softwares para uso em Ciência de Dados
  • Data Mining e Machine Learning I
  • Softwares para uso em Ciência de Dados III
  • Métodos Estatísticos de Apoio à Decisão II
  • Data Mining e Machine Learning II
  • Big Data e Ecossistema Hadoop
  • Tópicos Avançados em Machine Learning e Deep Learning
  • Projeto aplicado e Tópicos Avançados em Métodos Estatísticos para Ciência de Dados
Cada disciplina tem carga horária de 50 horas.