Inteligência Artificial com Deep-learning

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 aprendizado de máquina 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.

Mais Informações

Início do Curso
Março de 2020
Horário
Das 19h às 22h30
Dias de aula
Terças e quintas-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 à Taxa de Reserva será devolvido integralmente.

 

Coordenação

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.

Disciplinas

Ferramentas de Desenvolvimento de Redes Neurais

28 h

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".

Redes Neurais Convolucionais e Visão Computacional

32 h

Essa disciplina apresenta como construir redes neurais convolucionais e sua aplicação 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.

Redes Neurais Recorrentes e Processamento de Linguagem Natural

32 h

Essa disciplina apresenta como construir redes neurais recorrentes para processamento de sequências temporais, processamento de linguagem natural, música e áudio. 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 linguagem natural, áudio, música e reconhecimento de fala usando as plataformas de desenvolvimento Keras e TensorFlow.

Tópicos Avançados de Inteligência Artificial

28 h

O potencial da inteligência artificial de imitar o processo de pensamento humano vai além de tarefas passivas e repetitivas, as redes neurais "deep-learning" são também capazes de atividades criativas. Essa disciplina apresenta como aplicar redes neurais para realizar tarefas criativas, tais como, criar uma obra de arte e desenvolver "chatbots". Além disso, essa disciplina ensina a etapa final de desenvolvimento de um sistema inteligente, que é a sua transformação em um produto comercial realizando o "deploy" da solução em um website.

Corpo Docente

Anderson Harayashiki Moreira

Doutor em Engenharia Mecatrônica pelo Instituto Tecnológico de Aeronáutica. Mestre em Engenharia Mecatrônica pelo Instituto Tecnológico de Aeronáutica. Graduado em Engenharia de Controle e Automação pela Mauá. Desenvolve atividades e pesquisas na área de robótica autônoma móvel, sistemas de controle, robótica industrial e sistemas microcontrolados.

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.

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.

>