Fundamentos em Ciências de Dados e Inteligência Artificial

Objetivo

O objetivo desse curso é apresentar a área de ciência de dados e inteligência artificial. O curso é composto por quatro disciplinas, sendo duas delas, Introdução a Ciência dos Dados e Análise Estatística de Dados, responsáveis por fornecer ao aluno todos as ferramentas necessárias para se compreender, analisar e resolver problemas da área de ciência de dados e inteligência artificial. A disciplina Fundamentos de Aprendizagem de Máquina versa sobre as principais técnicas de aprendizagem supervisionada e não supervisionada. Por fim a disciplina de Redes Neurais apresenta este importante conceito muito utilizado na área de inteligência artificial, abordando o processo de criação e treinamento das redes neurais. O curso é fundamentado em atividades práticas onde o aluno tem contato real com diversos aspectos da área. Além das atividades práticas, o curso aborda também os aspectos teóricos, de forma a permitir futuros aprofundamentos. O curso é voltado para as necessidades do mercado e possui um corpo docente formado por profissionais de alto nível acadêmico e com reconhecida experiência profissional na área.

Público-alvo

Esse curso é dirigido aos profissionais que buscam entender e conhecer as oportunidades criadas pelas áreas de inteligência artificial e ciências de dados. É ideal para o profissional criativo e prático que busca obter vantagem dos atuais e futuros avanços da inteligência artificial e ciência de dados, desenvolvendo novos negócios, novos produtos e novos dispositivos que incorporam essas tecnologias com o objetivo de melhorar e aperfeiçoar o desempenho de processos em suas empresas.

Mais Informações

Início do Curso
Fevereiro de 2020
Horário
Das 19h às 22h30
Dias de aula
Segundas e quartas-feiras

Investimento - Valores já atualizados para o ano de 2020
Matrícula
Os valores correspondentes aos descontos por períodos serão concedidos de acordo com a data de pagamento da taxa de Reserva
Mensalidades
5 parcelas de R$ 1.580,00

Até 18 de outubro R$ 1.280,00
Até 20 de dezembro R$ 1.380,00
Após 20 de dezembro R$ 1.580,00

DESCONTOS

Ex-aluno: 10%
Grupos (2 ou mais alunos): 10%
Associados da AEXAM (ex-alunos): 15%
Ex-aluno Mauá formado em 2018: 30%
Empresas conveniadas (a consultar)

Taxa de Reserva: R$280,00

O pagamento poderá ser efetuado por meio de boleto, cartão de débito ou crédito.
Na efetivação da matrícula essa Taxa de Reserva será deduzida do valor da matricula. Em caso de desistência da matrícula o valor da taxa de reserva não será devolvido e a retenção se faz necessária para pagamento das despesas administrativas relativas ao processo seletivo, conforme preconizado no Código de Defesa do Consumidor. Caso não haja número de alunos interessados para formação de turma, o valor correspondente a Taxa de Reserva será devolvido integralmente.

Coordenação

Vanderlei Cunha Parro

Vanderlei C. Parro - Professor do Imt desde 1994, pesquisador visitante no Observatório de Paris no contexto da missão CoRoT da agência espacial francesa - CNES (2004 - 2006). Responsável pela participação do IMT no grupo de processamento embarcado do satélite Plato da Agência espacial europeia - ESA (atual) e no grupo de software e simulação do Telescópio Gigante de Magalhães - GMT (atual), ambos projetos financiados pela FAPESP. Consultor associado na Versor em assuntos relativos a análise de risco e anomalias.

Disciplinas

Análise Estatística de Dados

24 h

Apresentar as ferramentas estatísticas necessárias para se compreender problemas de ciência de dados. Utilizando exemplos práticos e aplicados, é inicialmente abordado conceitos relacionados a probabilidade, versando sobre a teoria clássica, frequentista, probabilidade condicional, teorema de Bayes e modelos de probabilidade. Também é apresentado conceitos relacionados a estatística descritiva, abordando conceitos de princípios de amostragem, resumos gráficos e tabulares, tratamento de dados (análise de inconsistências na base de dados, detecção de outliers, transformação de variáveis) e verificação de ajuste de modelos. Por fim a disciplina apresentará conceitos relacionados a estatística inferencial: abordando estimação intervalar (determinação de margem de erro e dimensionamento de amostras) e os princípios dos testes estatísticos, necessários para a determinação de modelos de previsão.

Fundamentos de Aprendizagem de Máquina

36 h

Essa disciplina fornece uma introdução ao aprendizado de máquina e reconhecimento de padrões estatísticos. A disciplina se baseia em estudos de casos para que o aluno aprenda como aplicar algoritmos de aprendizado para percepção e controle, compreensão de texto (pesquisa na web e anti-spam), visão computacional, informática médica, áudio e outras áreas. O objetivo principal dessa disciplina é fornecer ao aluno uma visão geral da área de Aprendizado de Máquina e dos conceitos e métodos fundamentais utilizados.

Introdução a Ciência dos Dados

36 h

Esta disciplina apresenta conteúdos relacionados a análise e apresentação de dados, passando pelo ambiente de programação. A disciplina é baseada em atividades práticas onde o aluno aprende as estruturas fundamentais da linguagem de programação Python. Ao final, o aluno será capaz de desenvolver projetos de Análise Descritiva e Análise Diagnóstica dentro da área de Ciência de Dados, entender o processo de coleta de dados, de transformar dados em informação, de manipular e filtrar dados, executar análises estatísticas inferenciais básicas e exibir os dados graficamente, para assim poder explorar e compreender comportamentos, tendências que ajudarão na tomada de decisões.

Redes Neurais

24 h

Essa disciplina apresenta as redes neurais artificiais. A disciplina é baseada em atividades práticas onde os alunos implementam os conceitos e métodos apreendidos. Nessa disciplina os alunos aprendem como criar, treinar e utilizar uma rede neural. A disciplina se baseia em estudos de casos para que os alunos aprendam como aplicar na prática redes neurais. O objetivo principal dessa disciplina é mostrar aos alunos como redes neurais funcionam e capacitar os alunos a aplicar essas redes em suas próprias aplicações. Além disso a disciplina apresenta algumas as plataformas de desenvolvimento de redes neurais. A utilização de plataformas de desenvolvimento permite que os alunos aprendam facilmente como formular, criar e implementar problemas de aprendizado de máquina usando redes neurais.

Corpo Docente

Daniel Kashiwamura Scheffer

Bacharelado e mestrado em Estatística com a graduação e a pós-graduação obtidas no Instituto de Matemática e Estatística da Universidade de São Paulo (IME-USP). Professor dos cursos de Administração e Engenharia do Centro Universitário do Instituto Mauá de Tecnologia (CEUN-IMT). Tem grande experiência em análise de dados.

Eduardo Lobo Lustosa Cabral

Doutor em Dinâmica dos Sistemas e Controle pelo Massachusetts Institute of Technology. Mestre em Tecnologia de Reatores Nucleares pelo Instituto de Pesquisas Energéticas e Nucleares. Graduado em Engenharia Mecânica pela USP. Professor da Escola Politécnica da USP e do Instituto Mauá de Tecnologia. Atua nas áreas de inteligência artificial, redes neurais e dinâmica e controle de sistemas.

Elcio Hideiti Shiguemori

Doutor em Computação aplicada pelo Instituto Nacional de Pesquisas Espaciais. Mestre em Computação Aplicada pelo Instituto Nacional de Pesquisas Espaciais. Graduado em Engenharia da Computação e em Ciências da Computação pela UBC. Pesquisador do Instituto de Estudos Avançados (IEAv) do Departamento de Ciência e Tecnologia Aeroespacial (DCTA).

Tiago Sanches da Silva

Graduado em Engenharia de Computação pelo Instituto Mauá de Tecnologia (2011); Mestre em Engenharia Elétrica pela Universidade de São Paulo (2016). Atualmente é professor do Instituto Mauá de Tecnologia nos cursos de graduação e pós-graduação. Pesquisador e arquiteto de SW do Núcleo de Sistemas Embarcados (CEUN-IMT) em sistemas críticos. Tem experiência na área de Ciência da Computação, com ênfase em Inteligência Artificial e ciência de dados aplicada, arquitetura web para aplicações na nuvem e sistemas microcontrolados. Como linha de pesquisa e estudos, tem interesse nos seguintes temas: Inteligência Artificial, Mineração de Dados, Big Data e Computação de Alto Desempenho.

Vanderlei Cunha Parro

Vanderlei C. Parro - Professor do Imt desde 1994, pesquisador visitante no Observatório de Paris no contexto da missão CoRoT da agência espacial francesa - CNES (2004 - 2006). Responsável pela participação do IMT no grupo de processamento embarcado do satélite Plato da Agência espacial europeia - ESA (atual) e no grupo de software e simulação do Telescópio Gigante de Magalhães - GMT (atual), ambos projetos financiados pela FAPESP. Consultor associado na Versor em assuntos relativos a análise de risco e anomalias.

>