Este curso é ideal para

• Desenvolvedores e Engenheiros de Software que desejam se especializar e construir soluções com Inteligência Artificial;
• Analistas de Dados e Cientistas de Dados (Júnior/Pleno) buscando aprofundar seus conhecimentos em técnicas avançadas de IA e Machine Learning;
• Profissionais de Business Intelligence e Engenharia de Dados que querem expandir suas competências para o universo da IA;
• Gerentes de Projeto e Product Owners em tecnologia que precisam entender e gerenciar projetos de IA com mais propriedade;
• Profissionais de Marketing, Finanças, Saúde, Engenharia, Logística e outras áreas que buscam aplicar IA para inovar em seus domínios;
• Recém-formados e estudantes de áreas correlatas (Ciência da Computação, Engenharias, Estatística, etc.) que buscam uma carreira promissora e desafiadora em Inteligência Artificial;
• Qualquer profissional com afinidade por tecnologia, raciocínio lógico e motivado a adquirir habilidades técnicas em uma das áreas mais transformadoras da atualidade;
• Pré-requisito: Lógica de programação e familiaridade básica com Python são diferenciais importantes. Teremos um nivelamento inicial, mas uma base prévia acelera o aprendizado.

Conteúdo programático detalhado (40 Horas)

Módulo 1: Primeiros passos no Machine Learning

• Conceitos Básicos de Machine Learning;
• Paradigmas de aprendizado: supervisionado e não supervisionado;
• História e Evolução do Machine Learning;
• Ferramentas e Ambientes de Desenvolvimento;
• Python, Jupyter Notebooks, bibliotecas principais (scikit-learn, TensorFlow, Keras, etc.).

Práticas com instalação e configuração do ambiente local, Docker e Collab. Início de uso dos principais pacotes Python.

Módulo 2: Conhecendo o Framework CRISP-DM

• Conhecendo o Framework CRISP-DM;
• Fase 1: Entendimento do Negócio;
• Fase 2: Entendimento dos Dados;
• Fase 3: Preparação dos Dados;
• Fase 4: Modelagem;
• Fase 5: Avaliação;
• Fase 6: Implementação.

Práticas com entendimento dos dados do dataset, coleta e descrição dos dados, validação de dados e End-to-end de criação de modelo.

Módulo 3: Estatística Aplicada ao Machine Learning

• Estatística Descritiva com medidas de tendência central, de dispersão e visualização de dados;
• Conceitos básicos de probabilidade, distribuições de probabilidade, teorema da probabilidade total e teorema de Bayes;
• Inferência estatística, estimação pontual e intervalar e testes de hipóteses;
• Regressão e correlação, regressão linear simples e múltipla e análise de correlação;
• Estatística aplicada ao Machine Learning, criação de modelos com hold-out e validação cruzada e métricas de avaliação de performance de modelos.

Práticas com análise descritiva de um dataset, implementação com Naïve Bayes, realização de teste de hipótese em dataset, regressão linear simples e avaliação estatística de modelos de Machine Learning.

Módulo 4: Algoritmos de Aprendizado Supervisionado

• Regressão linear simples e múltipla, regressão logística;
• Classificador binário e multiclasses;
• Árvores de Decisão e Random Forest
• Support Vector Machines (SVM)
• K-Nearest Neighbors (KNN)
• Redes Neurais

Prática com regressão linear e logística, árvore de decisão, random forest, SVM, kNN e redes neurais.

Módulo 5: Algoritmos de Aprendizado Não Supervisionado

• Agrupamento com cluster de protótipo, hierárquico e grafos, cluster de densidade;
• Redução de dimensionalidade com análises de componentes principais;
• Sistemas de recomendação com análise de cesta de compras;
• Detecção de anomalias;

Prática com cluster K-Means, hierárquico, Spectral e DBScan, implementação de PCA, de MBA e implementação de isolation forest.

Módulo 6: Inteligência Artificial Generativa

(em breve…)

Benefícios para sua carreira e desenvolvimento técnico

• Adquira um conjunto de habilidades técnicas em IA altamente demandadas e valorizadas pelo mercado global e brasileiro;
• Capacite-se para projetar, desenvolver e implementar soluções de IA para resolver problemas complexos em diversos setores;
• Aumente significativamente sua empregabilidade, seu potencial de progressão na carreira e suas perspectivas salariais;
• Construa um portfólio sólido e diversificado com projetos práticos para apresentar a recrutadores e em entrevistas técnicas;
• Junte-se a uma comunidade de aprendizado vibrante, trocando experiências com colegas e instrutores experientes;
• Receba um certificado de conclusão que atesta seu conhecimento técnico aprofundado e sua capacidade de aplicação prática em IA;
• Esteja preparado para as certificações de mercado em IA e Cloud AI (AWS, Google Cloud, Azure).