Métodos Avançados de Inteligência Artificial

Esse curso apresenta a teoria e a prática de inteligência artificial focalizando nas técnicas de aprendizado de máquina e “deep-learning”. Atualmente essas técnicas são aplicadas com grande sucesso em diversas áreas, tais como, entendimento de linguagem, reconhecimento de voz, reconhecimento de imagens, veículos autônomos, games e geração de trabalhos artísticos. A inteligência artificial está transformando a indústria em geral. Novos produtos estão sendo lançados a cada dia usando essas tecnologias, tais como: tradução de idiomas, diagnóstico médico, reconhecimento de pessoas pela face, detecção e localização de objetos etc. Como resultado desse avanço, o conhecimento das técnicas de inteligência artificial é um requisito obrigatório para quem deseja inovar e atuar na área de TI, além de ser uma grande vantagem na área de informática. Nesse curso o profissional tem a oportunidade de aprender com detalhes os avanços da inteligência artificial em um ambiente onde pode desenvolver uma ideia inovadora que tem interesse ou somente aprender como fazer uso dessa tecnologia. Após terminar esse curso o profissional terá capacidade de aplicar esse conhecimento de forma criativa e muito prática para desenvolver novas soluções no seu trabalho.

O curso de Especialização em Métodos Avançados de Inteligência Artificial é composto por três módulos de 120 horas cada: Fundamentos em Ciências de Dados e Inteligência Artificial (120h), Inteligência Artificial com Deep-Learning (120 h) e e Técnicas Avançadas de IA e Computação (120h).

Objetivo
Esse curso de especialização tem o objetivo apresentar metodologias, técnicas e ferramentas que possibilitam a análise e extração de conhecimento de pequenos e grandes volumes de dados e o seu uso para desenvolver sistemas inteligentes. Neste curso o aluno obtém um sólido conhecimento teórico e prático sobre Inteligência Artificial. Todos os aspectos teóricos e práticos da área de inteligência artificial usando ferramentas de aprendizado de máquina e “deep learning” são apresentados de forma a permitir desenvolver e colocar sistemas de inteligência artifical em operação (“deploy”). O curso é organizado de forma a não apenas informar os participantes, mas realmente instrumentalizá-los para aplicarem na prática seus conhecimentos no dia a dia de seu trabalho. A estrutura do curso é voltada para as atuais necessidades do mercado contemplando os diversos aspectos da área de Inteligência Artificial. Em apenas três semestres o profissional estará preparado para trabalhar com essas tecnologias que estão revolucionando o cotidiano das empresas e das pessoas.

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.

Diferencial
O curso consiste de uma oportunidade de especialização oferecida de forma dosada e gradativa, com muitas atividades práticas, que permitem ao participante aprender com detalhes novas tecnologias que estão revolucionando a forma como a informação e os computadores são utilizados. O curso é organizado de forma a não apenas informar os participantes, mas realmente instrumentalizá-los para aplicarem na prática seus conhecimentos no dia a dia de seu trabalho, utilizando as ferramentas mais utilizadas do mercado e com prática em problemas reais.

Mais Informações

Início do Curso
Março de 2021
Horário
Dias e Horários de aula
Módulo: Fundamentos em Ciências de Dados e Inteligência Artificial - Segundas e quartas-feiras, das 19h às 22h30
Módulo: Inteligência Artificial - Terças e quintas-feiras, das 19h às 22h30
Módulo: Técnicas Avançadas de IA e Computação - Segundas e quartas-feiras, das 19h às 22h30

Investimento por Módulo (120 horas)
Matrícula
O valor correspondente ao desconto por período (somente matrícula) é concedido de acordo com a data de pagamento da taxa de Reserva
Mensalidades
5 parcelas de R$ 1.580,00*

Até 30 de outubro R$ 1.280,00 
Até 30 de novembro R$ 1.380,00 
Após 30 de novembro R$ 1.580,00

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 2019: 30%
Empresas conveniadas (a consultar)

Veja opção de financiamento
por módulo
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.

*Valores já atualizados para 2021, sujeitos a correção por índices inflacionários para o período de 2022

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.

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.

Vanderlei Cunha Parro

Professor titular do IMT, pesquisador visitante no Observatório de Paris (2004-2006) e bolsista de produtividade do CNPq. Coordenador da participação do IMT nos projetos: Plato (ESA - Agência Espacial Europeia), Telescópio Gigante de Magalhães - EUA e Hires (ESO - Europa), os dois primeiros com financiamento Fapesp.

Módulos do curso

Fundamentos em Ciências de Dados e Inteligência Artificial

Introdução a Ciência dos Dados

32 h

A disciplina irá apresentar conceitos relacionados a extração de conhecimento a partir dos dados, com o intuito de basear as decisões de negócio em dados. Ao final, o aluno será capaz de desenvolver projetos de Análise Descritiva, Análise Diagnóstica e Preditiva dentro da área de Ciência de Dados, entender o processo de coleta de dados, de transformar dados em informação, de manipular e filtrar dados, executar análises estatísticas inferenciais básicas e exibir os dados graficamente, para assim poder explorar e compreender comportamentos, tendências que ajudarão na tomada de decisões. 

Machine Learning - Métodos Não Probabilísticos

28 h

O objetivo principal dessa disciplina é fornecer uma visão geral da área de Aprendizado de Máquina e dos principais conceitos e métodos utilizados em problemas de natureza não probabilística. A disciplina se baseia em estudos de casos em que possam ser aplicados algoritmos de aprendizado para situações de percepção e controle, compreensão de texto (pesquisa na web e anti-spam), visão computacional, informática médica, áudio e outras áreas.

Machine Learning – Métodos Probabilísticos

32 h

Modelagem de problemas e soluções que envolvam aspectos de natureza probabilística. Exploração da abordagem bayesiana e cadeias de Markov na modelagem e sintonia de parâmetros a partir de base de dados.  Teoria de probabilidades e a variável tempo: regressão e análise de tendência. Trabalhos do grupo: https://epidemicapp-280600.web.app/ (Aplicação para CoViD19) e https://corot-contributions.readthedocs.io/ (Detecção de exoplanetas).

Python para Ciência de Dados e Inteligência Artificial

28 h

Esta disciplina apresenta conteúdos relacionados a análise e apresentação de dados, passando pelo ambiente de programação. A disciplina é baseada em atividades práticas onde o aluno aprende as estruturas fundamentais da linguagem de programação Python, bem como o uso de bibliotecas para análise e exibição de dados. Ao final, o aluno será capaz de desenvolver projetos de Análise Descritiva e Análise Diagnóstica dentro da área de Ciência de Dados, entender o processo de coleta de dados, de transformar dados em informação, de manipular e filtrar dados, executar análises estatísticas inferenciais básicas e exibir os dados graficamente, para assim poder explorar e compreender comportamentos, tendências que ajudarão na tomada de decisões.

Inteligência Artificial com Deep-learning

Ferramentas de Desenvolvimento de Redes Neurais

32 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

36 h

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.

Redes Neurais Recorrentes e Séries Temporais

28 h

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.

Serviços de Software de Inteligência Artificial

24 h

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.

Técnicas Avançadas de IA e Computação

Aprendizado por reforço

32 h

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)

28 h

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

28 h

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.

Processamento Natural de Linguagem (PLN)

32 h

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.

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.

Daniel Henrique Miguel de Souza

Técnico em Eletrotécnica pelo Instituto Federal de Educação, Ciência e Tecnologia de São Paulo (2012), Bacharel em Ciência e Tecnologia pela UFABC (2016), Engenheiro de Gestão pela UFABC (2018) e Mestre em Engenharia da Informação pela UFABC (2018). Atualmente cursando Doutorado em Engenharia da Informação pela UFABC, atuando em aplicações de Inteligência Artificial à Econometria. Atua como Data Scientist em projetos do Mercado Financeiro, Telecomunicações, Agrobusiness, dentre outras áreas. Atua também como docente das áreas de Inteligência Artificial e Análise de Dados na Faculdade de Tecnologia Termomecânica (FTT), para cursos de graduação e pós-graduação. Tem interesse nas áreas de Estatística Aplicada, Inteligência Artificial, Machine Learning, Engenharia de Dados e Big Data.

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.

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.

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.

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.

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.

Vanderlei Cunha Parro

Professor titular do IMT, pesquisador visitante no Observatório de Paris (2004-2006) e bolsista de produtividade do CNPq. Coordenador da participação do IMT nos projetos: Plato (ESA - Agência Espacial Europeia), Telescópio Gigante de Magalhães - EUA e Hires (ESO - Europa), os dois primeiros com financiamento Fapesp.

Wilson Inácio Pereira

Engenheiro eletricista pelo Instituto Mauá de Tecnologia, 2000 e Pós-Graduado em Docência no Ensino Superior pela Universidade Municipal de São Caetano do Sul (USCS), 2011. Consultor especialista em modelagem matemática, pesquisa operacional e simulação de eventos discretos do Centro de Pesquisas do IMT e da empresa Simulate Tecnologia de Simulação. Atuou como professor do Curso de Engenharia de Produção da Escola de Engenharia Mauá por 18 anos.

>