...
Início
Março de 2022
Investimento
Matricula + 5 parcelas de R$ 1.675,00*
Condições especiais para ex-alunos, grupos e empresas conveniadas
*Investimento por módulo (120 horas)
Horário
Segundas e quartas-feiras Das 19h às 22h30

Técnicas Avançadas de IA e Computação

Objetivo

Este módulo apresenta com maior profundidade assuntos importantes da área de Inteligência Artificial, tais como, "Aprendizado por Reforço" e "NLP" (do inglês Natural Language Processing). Além disso, apresenta meios de colocar em operação (“deploy”) softwares para aplicações de Inteligência Artificial e Ciência de Dados. Outro aspecto importante é o conhecimento na captação, manutenção e ferramentas de infraestrutura para dados, ou seja, conhecimento em Engenharia de Dados.

Público-Alvo

Profissionais de áreas técnicas que desejam entender e aprofundar seus conhecimentos em Inteligência Artificial bem como entender como é o processo de desenvolvimento de um produto final com IA.

Carga Horária

120

Matrícula

Os valores correspondentes aos descontos por períodos serão concedidos de acordo com a data de pagamento da taxa de Reserva

Até 30 de outubro R$ 1.280,00
Até 30 de novembro R$ 1.380,00
Até 30 de dezembro R$ 1.420,00
Após 30 de dezembro R$ 1.675,00

Veja opção de financiamento
por módulo

Descontos

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)

Investimento

Matricula + 5 parcelas de R$ 1.675,00*
Condições especiais para ex-alunos, grupos e empresas conveniadas

*Investimento por módulo (120 horas)

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.

*Valor da parcela já atualizado para o ano de 2022

São Caetano do Sul

Curso In Company Mais Informações

Coordenadores

Abrir informações do corpo docente
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.
Abrir informações do corpo docente
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



Aprendizado por reforço
32h
Abrir mais informações da disciplina

O Aprendizagem por Reforço é o treinamento de modelos de inteligência artificial para tomar decisões. O agente aprende a atingir uma meta em um ambiente incerto e potencialmente complexo, essa técnica é extremamente poderosa uma vez que não necessita de um conjunto de dados desenvolvido especificamente para o seu treinamento. São apresentados conceitos como agentes, ambiente, estado, política de ações, recompensas e algoritmos, tais como, “Markov Decision Process” (MDP), “Q-Learning” e métodos “Value-Based”, “Policy-Based” e “Model-Based”.

Desenvolvimento de sistemas de IA/CD (Web Services, Web App e Mobile)
32h
Abrir mais informações da disciplina

Desenvolvimento e “deploy” de sistemas com IA e CD. Uma das formas mais utilizadas para “deploy” é via “web services” REST. Essa disciplina apresenta todos os conceitos de desenvolvimento “back-end” e da arquitetura REST. Outro ponto importante é o desenvolvimento de aplicações mobile com IA incorporado em Javascript e também aplicações web que consomem serviços.

Engenharia de Dados
28h
Abrir mais informações da disciplina

Esta disciplina tem foco no profissional que gerencia sistemas voltados a dados, com o objetivo de deixá-los acessíveis para as mais diversas áreas que dependem de dados como principal fonte de trabalho. O aluno aprenderá sobre governança de dados, modelagem de dados para “data warehouse”, gerenciamento de dados relacionais e não relacionais, “data lakes”, criação de “data marts” e plataformas escaláveis para dados.

Modelos gerativos com Deep learning
16h
Abrir mais informações da disciplina

Modelos gerativos consistem em métodos da inteligência artificial capazes de criar novas imagens, vídeos, textos e músicas. O processo de geração de novos dados é uma tarefa de aprendizado não supervisionado que envolve descobrir e aprender automaticamente padrões nos dados de entrada de forma que o modelo possa ser usado para gerar ou produzir novos exemplos similares aos dados originais. Três métodos baseados em redes neurais deep learning são apresentados nessa disciplina: autoencoders (AE), autoencoders variacionais (AEV) e redes neurais adversárias generativas (GANs). 

Processamento Natural de Linguagem (PLN)
20h
Abrir mais informações da disciplina

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 recorrentes para sugestão de palavras em contexto.

Abrir informações do corpo docente
Leo Rodrigues Biscassi

Possui Mestrado em Modelagem Computacional em Ciência e Tecnologia pela Universidade Estadual de Santa Cruz (2017); Graduação em Sistemas de Informação pela Faculdade Barretos (2014). Nos últimos anos têm trabalhado com sistemas data-intensive, seja estruturando ambientes de dados, desenvolvendo ou integrando-os. Tem interesse em temas relacionados a big data, computação distribuída, computação paralela, arquitetura e engenharia de software.

Abrir informações do corpo docente
Lucas Pereira Cotrim

Graduado em Engenharia Mecatrônica pela Escola Politécnica da Universidade de São Paulo (2019), realizou intercâmbio como bolsista através do programa de Parcerias Estratégicas da USP na Technische Universität München (2017-2018) com foco em Inteligência Artificial e Aprendizado de Máquina. Atualmente cursa Mestrado em Engenharia de Controle e Automação Mecânica no Tanque de Provas Numérico da USP (TPN-USP) em projeto da Petrobrás com foco na aplicação de técnicas de Inteligência Artificial para previsão da dinâmica de UEPs.

Abrir informações do corpo docente
Marcos Menon José

Graduado em Engenharia Mecatrônica pela Escola Politécnica da Universidade de São Paulo (2019) e intercâmbio pelo programa de Aproveitamento de Estudos focado de inteligência artificial e sistemas robóticos na Universitat Politècnica de Catalunya (2017-2018). Atualmente, cursa mestrado em Engenharia da Computação na USP como bolsista pelo Centro de Ciências de Dados C2D, com pesquisa em técnicas de Aprendizado por Reforço e suas aplicações.

Abrir informações do corpo docente
Murilo Zanini de Carvalho

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.

Abrir informações do corpo docente
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.