Matrícula
para pagamento até 30/06/2025
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.
Matrícula + 5 parcelas de R$ 1.902,00*
Condições especiais para ex‑alunos, grupos e empresas conveniadas
*Investimento por módulo (120 horas)
*Valores 2025
Ex-aluno graduado na Mauá: 10%
Grupos (2 ou mais alunos): 10%
Ex-aluno graduado na Mauá em 2024: 30%
Empresas conveniadas (a consultar)
¹ Descontos não aplicaveis na matrícula;
² Descontos não acumulativos.
O pagamento poderá ser efetuado por boleto, cartão de débito ou crédito. Na efetivação da matrícula essa Taxa de Reserva será deduzida do valor da matrícula. Em caso de desistência, o valor não será devolvido. Se a turma não se formar, o valor será devolvido integralmente.
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".
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. 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.
Essa disciplina apresenta as redes neurais convolucionais e suas aplicações a imagens e vídeos. O objetivo dessa disciplina é ensinar os alunos como construir redes neurais convolucionais, 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.
O processamento de linguagem natural (PLN) é a subárea da inteligência artificial que estuda a capacidade e as limitações de uma máquina em entender a linguagem dos seres humanos. Esta disciplina aborda normalização de texto, correção ortográfica, “stemização” e “lematização”, idf-tf, extração de contexto, sumarização, “word embedding”, tais como, Word2Vec, FastText, representação de frases com BoW, análise de sentimentos, “chat bots” e utilização de redes neurais para modelagem de linguagem natural, e realizar operações de tradução e sugestão de palavras em contexto, entre outras.
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.
Doutor em Filosofia pela Universidade de São Paulo (USP), com mestrado (2013) e bacharelado (2010) pela mesma instituição. Realizou estágios de pesquisa na Universidade Columbia (2016) e no Institute for Quantitative Social Science da Universidade Harvard (2018). Entre 2021 e 2025, atuou como pesquisador no Center for Artificial Intelligence (C4AI), uma parceria entre IBM, FAPESP e USP. Suas principais áreas de pesquisa incluem Inteligência Artificial, Processamento de Linguagem Natural e Aprendizado de Máquina.