Terças e quintas-feiras, das 19h às 22h30
Objetivo
O objetivo desse curso é apresentar a área inteligência artificial usando redes neurais artificiais "deep-learning". O curso é fundamentado em atividades práticas onde o aluno tem contato real com diversos aspectos da área de redes neurais que está revolucionando o mundo atual. Além das atividades práticas, o curso aborda também os aspectos teóricos, de forma a permitir futuros aprofundamentos. A estrutura do curso, de forma objetiva e bastante enxuta, é voltada para as atuais necessidades do mercado, contemplando os diversos aspectos da área de inteligência artificial com redes neurais. Em apenas um semestre o profissional estará preparado para trabalhar com essa tecnologia que está cada vez mais presente no cotidiano e nas empresas. O corpo docente é 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 por essa nova tecnologia. É ideal para o profissional criativo e prático que busca obter vantagem dos atuais e futuros avanços da inteligência artificial, ou que desejam se atualizar nessa área. É dirigido aos profissionais que atuam ou desejam atuar na área de inteligência artificial (aprendizado de máquina) desenvolvendo novos negócios, novos produtos e novos dispositivos que incorporam essa tecnologia. É também dirigido aos profissionais que desejam incorporar sistemas de inteligência artificial em suas empresas de forma a melhorar e aperfeiçoar o seu desempenho.
Carga Horária
120Os valores correspondentes aos descontos por períodos serão concedidos de acordo com a data de pagamento da taxa de Reserva
Até 31 de outubro R$ 1.340,00
Até 30 de novembro R$ 1.460,00
Até 30 de dezembro R$ 1.675,00
Ex-aluno graduado na Mauá: 10%
Grupos (2 ou mais alunos): 10%
Associados da AEXAM (ex-alunos): 15%
Ex-aluno graduado na Mauá em 2021: 30%
Empresas conveniadas (a consultar)
Matricula + 5 parcelas de R$ 1.675,00*
Condições especiais para ex-alunos, grupos e empresas conveniadas
*Investimento por módulo (120 horas)
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 à Taxa de Reserva será devolvido integralmente.
*Valores atualizados para 2022, sujeitos a correção por índices inflacionários para o período de 2023.
Essa disciplina apresenta os fundamentos de "deep-learning" e o uso das bibliotecas Keras e TensorFlow, que são específicas para o desenvolvimento de redes neurais artificiais. Nessa disciplina os alunos aprendem como criar, treinar e utilizar uma rede neural "deep-learning". A disciplina se baseia em vários estudos de casos para que os alunos aprendam como aplicar na prática redes "deep-learning" em várias áreas do conhecimento. O objetivo principal dessa disciplina é mostrar aos alunos como redes neurais tipo "deep-learning" realmente funcionam e capacitar os alunos a aplicar essas redes em suas próprias aplicações. A utilização do Keras e TensorFlow permite que os alunos aprendam facilmente como formular, criar e implementar problemas de aprendizado de máquina usando redes "deep-learning".
Apresenta como construir redes neurais convolucionais e redes GANs (“Generative Adversarial Networks”) e suas aplicações a imagens e vídeos. O objetivo dessa disciplina é ensinar os alunos como construir uma rede neural convolucional, suas principais variações e como aplicar esse tipo de rede em tarefas de processamento de imagens e vídeos. A disciplina se baseia em estudos de casos para que os alunos aprendam como aplicar na prática redes neurais convolucionais "deep-learning" para detecção e reconhecimento visual usando as plataformas de desenvolvimento Keras e TensorFlow.
Essa disciplina apresenta como construir redes neurais recorrentes para processamento de sequências temporais. O objetivo dessa disciplina é ensinar os alunos como funcionam as redes neurais recorrentes e suas variantes usuais, tais como, GRU e LSTM. A disciplina se baseia em estudos de casos para que os alunos aprendam como aplicar na prática redes neurais recorrentes "deep-learning" para problemas de análise de séries temporais usando as plataformas de desenvolvimento Keras e TensorFlow.
Existem diversas soluções prontas de serviços de software na área de inteligência artificial, que podem ser utilizadas para desenvolver novos produtos. Essa disciplina apresenta como realizar requisições de serviços de software via internet e como utilizar serviços de software de inteligência artificial. Além disso, apresenta como incorporar esses serviços de software em novos produtos e soluções.
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.
Possui graduação em Tecnologia Eletrônica - ênfase em Automação Industrial pela Faculdade de Tecnologia de São Bernardo do Campo (FATEC-SBC) em 2009 e em Tecnologia Mecatrônica pela Faculdade SENAI de Tecnologia Mecatrônica em 2011, com mestrado em Engenharia da Informação pela Universidade Federal do ABC (UFABC, Santo André, SP) em 2012. Atualmente é professor no Instituto Mauá de Tecnologia e na Faculdade de Tecnologia de Santo André. Tem experiência na área de Ciência da Computação, Robótica e Mecatrônica, atuando principalmente nos seguintes temas: Programação de Dispositivos Móveis Nativos e Híbridos, Paradigmas de Programação, Algoritmos e Estrutura de Dados, Robôs Móveis, Sistemas Multi Robóticos, Sistemas Embarcados, Dispositivos Inteligentes, Aplicações com Internet das Coisas , Inteligência Artificia e Aprendizado de Máquina.
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.
Fale Conosco
PORTAL
