Terças e quintas-feiras, das 19h às 22h30
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
132Os valores correspondentes aos descontos por períodos serão concedidos de acordo com a data de pagamento da taxa de Reserva
Até 31 de outubro R$ 1.335,00
Até 22 de novembro R$ 1.420,00
Até 20 de dezembro R$ 1.510,00
Após 21 de dezembro R$ 1.780,00*
Ex-aluno graduado na Mauá: 10%
Grupos (2 ou mais alunos): 10%
Associados da AEXAM (ex-alunos): 15%
Ex-aluno graduado na Mauá em 2023: 30%
Empresas conveniadas (a consultar)
Descontos somente sobre as 05 parcelas.
Matricula + 5 parcelas de R$ 1.780,00*
Condições especiais para ex-alunos, grupos e empresas conveniadas
*Investimento por módulo (120 horas)
*Valores praticados em 2024, sujeitos a correção por índices inflacionários para o período de 2025
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.
O Aprendizagem por Reforço é o treinamento de modelos de inteligência artificial onde um agente interage com o ambiente coletando dados e tomando 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”.
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. O aluno aprenderá conceitos sobre Big Data de forma prática e irá coletar, limpar e analisar grandes volumes de dados usando softwares de código aberto como Hadoop e Spark. O aluno será capaz de realizar análises de dados em larga escala, predições e gerar visualizações que darão apoio a decisões orientadas a dados, ele também entenderá os desafios de aplicar ciência em cenários reais com grandes volumes de dados.
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. Quatro métodos baseados em redes neurais deep learning são apresentados nessa disciplina: autoencoders (AE), autoencoders variacionais (AEV); redes neurais adversárias generativas (GANs) e modelos de difusão.
Essa disciplina apresenta como realizar requisições de serviços de software via internet, como utilizar serviços de software de inteligência artificial e como incorporar esses serviços de software em novos produtos e soluções. Além disso, apresenta o 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.
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 formação em Tecnologia em Radiologia pela Faculdade São Gabriel, mestrado em Engenharia de Computação e Sistemas pela Universidade Estadual do Maranhão (UEMA) e atualmente é aluno de doutorado em Ciências e Tecnologias Espaciais no Instituto Tecnológico de Aeronáutica (ITA). Sua pesquisa durante o doutorado está focada no monitoramento e simulação de irregularidades eletrônicas em plasma ionosférico utilizando sistemas embarcados, tecnologia IoT e deep learning. Ele também atua como pesquisador no Instituto de Estudos Avançados (IEAv), onde trabalha com fusão de dados para sistemas de navegação em veículos aéreos autônomos. Moisés possui experiência como professor na Universidade Anhembi-Morumbi, lecionando disciplinas relacionadas à Inteligência Artificial e programação. Ele também participa de iniciativas como o ITA Rocket Design e o ITACUBE, participando do desenvolvimento de foguetes e nanosatélites, respectivamente. Sua trajetória acadêmica é complementada por publicações em revistas como Advances in Space Research e apresentações em conferências internacionais, como o IEEE EUROCON. Suas habilidades incluem programação em várias linguagens, como C++, Java, C# e Python, e conhecimentos em áreas como IoT, Sistemas Embarcados, Deep Learning e Visão Computacional.