.
SOBRE O CURSO
OBJETIVO
Promover a inclusão e a capacitação de estudantes e profissionais na área de Inteligência Artificial para que possam se destacar na transformação digital e adquirir novas habilidades profissionais. O curso possui o diferencial de ensinar e aplicar a Inteligência Artificial sem abordar a matemática de modelos e algoritmos.
MODALIDADE
PÚBLICO ALVO
Estudantes de todas ás áreas do conhecimento, funcionários técnicos e administrativos de qualquer setor, que desejam participar da transformação digital, inovando através da proposição de aplicações em áreas nas quais são especialistas.
METODOLOGIA
Acha que não consegue acompanhar? Você vai se surpreender com a magia da IA quando aplicar modelos de Redes Neurais (Deep Learning) em problemas de seu interesse, sem digitar uma linha de programação ou fazer qualquer conta. O mais importante, você se tornará capaz de identificar aplicações e a propor inovações na sua área de atuação.
Tópicos Abordados
Os tópicos abordados incluem:
- Conceitos básicos e algoritmos mais populares de machine learning
- Introdução a redes neurais artificiais clássicas
- Algoritmos de treinamento para redes neurais
- Métodos de otimização para redução do erro de uma rede neural
- Redes neurais de aprendizagem profunda (Deep Learning)
- Aplicações
Ao final deste curso, os estudantes terão adquirido conhecimento prático sobre:
- Técnicas, terminologia e fundamentos da aprendizagem profunda
- Arquiteturas fundamentais das redes neurais, redes de alimentação direta, redes convolutivas e redes recorrentes
- Como construir e treinar adequadamente esses modelos
- Várias aplicações da aprendizagem profunda
- Como usar modelos pré-treinados para os melhores resultados
Programa
Conceitos da Inteligência Artificial (IA)
- Inteligência Artificial e sua relação com a natureza (Biomimética)
- A definição de IA, aprendizado de máquina e aprendizagem profunda
- Desenvolvimentos históricos que agora diferenciam a IA moderna da IA anterior
- Exemplos de aprendizado de máquina e aprendizagem profunda
- As diferenças entre a aprendizagem supervisionada e a não supervisionada
- Exemplos onde a IA está sendo aplicada
Cases
- Computador aprende a adicionar sozinho sons a filmes mudos
- Elaborar legendas
- Prever público de um filme a partir de um trailer
- Geração de Texto
- Chatbots para marketing
- The Best Flight
- Composição de música
Setores que a Inteligência Artificial está transformando
- Cuidados de saúde e genômica
- Biologia
- Medicina
- Marketing
- Design e Moda
- Agronegócios
- Energia Renovável
- Transportes e direção autônoma
- Segurança
- Processamento de Linguagem Natural
- Varejo e cadeia de suprimentos
- Processos Jurídicos
- Finanças
- Industrial
- Setor Público
Cases
- Criação musical
- Software de inteligência artificial
- The Latest Musical Hit
- Criação de playlists
- Tradução
- Cor em fotos
- Imitar estilos de artistas
Fluxo de trabalho da ciência de dados
- Identificar as etapas no fluxo de trabalho da ciência de dados
- Identificar os principais papéis e conjuntos de habilidades dentro do campo da IA
- Descrever maneiras de estruturar uma equipe de IA
- Identificar equívocos comuns da ciência de dados
- Identificar os componentes da manutenção do modelo de IA após a implantação
Cases
- Photographs That Become Purchases
- Autoridade de Tendências do Mundo
- Uses deep learning to make doctors faster and more accurate
- Tratamento de doenças
- Precisão no resultado de exames
- Associação de sintomas
- Recuperação de dados
Introdução ao conceito de aprendizagem supervisionada
- Explicar como formular um problema de aprendizagem supervisionada
- Comparar e compreender as diferenças entre treinamento e inferência
- Descrever os perigos do sobre-ajuste e do treinamento versus testes de dados
- Entender como a linguagem de programação Python se aplica à IA
- Cases práticos: churn e iris.
Cases
- Alerta sobre o quadro do paciente
- A Superhuman Doctor
- Previsão de preços
- How Cheaper Predictions Will Change The World
- Use artificial intelligence to grow your business
- The Economics and Benefits of Artificial Intelligence
- The Smartest Investor
Fontes e tipos de dados no treinamento de uma rede neural de inteligência artificial
- Como reconhecer situações em que mais amostras de dados são necessárias
- Data wrangling, data augmentation, e engenharia de recursos
- Como identificar problemas como sobre-ajuste e sub-ajuste
- Vários conjuntos de dados populares usados no treinamento de redes neurais
- Diferentes métodos de pré-processamento de dados
- Formas de rotular dados
- Como identificar desafios ao trabalhar com dados
Cases
- Combate a malwares
- Previsão de carga elétrica/ planejamentos
- Construções
- Avaliação de impactos ambientais
- A Better World
- Diagnóstico e atuação de falhas de trens
- "Desenvolvimento de técnicas que permitam incorporar no ambiente computacional"
Princípios da aprendizagem profunda
- Os conceitos básicos da aprendizagem profunda e como ela se incorpora à IA e ao aprendizado de máquina
- Os tipos de problemas que a aprendizagem profunda resolve
- As etapas na construção de um modelo de rede neural
- A definição de uma rede neural convolucional (CNN)
- Transferência de aprendizagem, e porque ela é útil.
- Arquiteturas comuns de aprendizagem profunda
Cases
- Chips de 14 nanômetros
- Manual cognitivo
- Automatizar ordens de trabalho
- Controle de processos industriais
- A integração da robótica e automação
- Self-Driving Cars
- Fraud Prevention
- Classificação de camundongos com síndrome de down;
- Classificação de estrelas, galáxias e quasares;
- Previsão do tipo de cultivo de vinho;
- Previsão do preço de moradias.
Hardware para IA
- Placa gráfica
- CPU
- Hardwares para aplicações específicas
- Movidius
- Jetson
Cases
- Agricultura
- Imagens de satélites
- Desmatamento
- Classificação de pragas por vídeos
Softwares para IA
- Definições de framework
- Bibliotecas para IA
- Softwares mais utilizados
- Pandas
- Prática: manipulação de dados
Cases
- Física de partículas
- Aplicações farmaceuticas
Algoritmos mais populares de Machine Learning
Cases práticos de IA
- Rapidminer
- Python
Cases
- Previsão do tempo
- Ex: Análise de redações e feedbacks
- Leitura de intimações e distribuição de prazos.
- Uso de inteligencia artificial para pesquisa de fármacos
- Modelo deep learning para triagem psicológica infantil
- Decifrar e traduzir manuscritos antigos
- Agente virtual de atendimento ao cliente
Aplicações na área de Inteligência Artificial
- Aplicações mais recentes na área de Inteligência Artificial
- O que vem agora?
- o Inteligência Artificial II, Deep Learning Developer, BI Master
Oficina Prática
- Aplicação na área de segurança
- Aplicação na área de finanças
- Aplicação na área de petróleo
- Aplicação na área de ciência da computação
- Aplicação na área de economia
No final do curso, você estará usando Python em suas primeiras aplicações de Deep Learning. Não sabe programar? Não se preocupe, pois você vai conseguir programar já na primeira aula através de plataformas lúdicas e intuitivas. A familiaridade com a linguagem você vai obter, se desejar, ao longo do caminho.
MAIS INFORMAÇÕES
INVESTIMENTO
4 parcelas de
R$ 112,00
O curso poderá ser parcelado em até 6 vezes no cartão de crédito (Master e Visa), sem juros. |
A realização do curso está sujeita à quantidade mínima de matrículas.
Alunos, ex-alunos, funcionários e professores da PUC-Rio, desconto de 10% no pagamento a vista ou 5% no pagamento parcelado nas matriculas realizadas através da central de relacionamento (21) 97674-6246 (8h30 até às 14h30) | (21) 99290-0885 (9h até 18h) | (21) 99421-4053 e 99281-9317 (14h30 até 20h30) | (21) 97658-6094 (WhatsApp). Desconto não cumulativo.
INSCRIÇÕES PELA INTERNET
CLIQUE EM “INSCREVA-SE”
TAXA DE INSCRIÇÃO
Gratuita
MATRÍCULA
Até 17/03/2021
Coordenador do Curso
Marco Aurelio Cavalcanti Pacheco
-Doutorado em Computer Science – Pela University of London, UL, Inglaterra.
-Mestrado em Engenharia Elétrica – Pela Pontifícia Universidade Católica do Rio de Janeiro, PUC-Rio
-Graduado em Engenharia Elétrica Eletrônica – Pela Pontifícia Universidade Católica do Rio de Janeiro, PUC-Rio
O curso poderá ser pago em 18 parcelas de R$ 1.606,00, sendo a primeira no ato da matrícula e as restantes nos meses subsequentes.
Aceita-se pagamento com cartões de crédito (Elo, Diners, Mastercard, Visa) e boleto bancário.
American Express e cartões de débito só são aceitos presencialmente, em um de nossos balcões de atendimento.
A carga horária do curso é de 360 horas, ao longo de 17 meses.
O BI MASTER é um MBA técnico voltado para práticas de machine learning, inteligência artificial, big data e métodos inteligentes, matemáticos e estatísticos de apoio à decisão. Ele foi concebido para capacitar profissionais especializados de todos os campos profissionais e é diferenciado por ser técnico/científico e da PUC-Rio, uma instituição com excelência científica. Além disso, é ministrado por professores doutores, pesquisadores e desenvolvedores de projetos para grandes empresas nacionais.
A diferença é apenas de onde você assiste às aulas. Todos os alunos têm acesso a vídeo-aulas, videoconferências com colegas e professores, solução de exercícios tutoreados e gravado em vídeos e práticas de desenvolvimento PoC (Proof of Concept).
Todos também podem assistir às aulas presenciais através do Youtube ou revê-las através de vídeoaulas gravadas em estúdio. Isto facilita a participação dos alunos durante viagens ou no deslocamento para a PUC-Rio.
Os alunos da turma BI Master a distância que desejarem participar fisicamente das aulas podem agendar a sua participação com a secretaria do curso.
O BI Master é um curso de pós-graduação Lato Sensu para profissionais que buscam a especialização em Ciência dos Dados e são portadores de diploma de curso de nível superior em qualquer área de conhecimento. Ele é destinado a profissionais que desejam conhecer as mais novas e avançadas ferramentas que auxiliarão na tomada de decisão em suas respectivas atividades.
Não é necessário ter experiência prévia nessas áreas, já que o que você precisa saber será abordado em sala de aula. No entanto, é preferível que estudantes se sintam à vontade com uma manipulação matemática compatível com a de cursos de nível superior.
Durante o curso, fórmulas serão apresentadas com o intuito de revelar os “fenômenos” por trás de cada método. O objetivo é fazer com que os modelos apresentados sejam intelectualmente assimilados pelos alunos para que eles saibam escolher qual modelo empregar, como e por que solucionar determinado problema.
- Curriculum Vitae
- Diploma de Graduação ou Declaração de Conclusão
- Histórico Escolar Oficial da Graduação Completo
A documentação necessária deverá ser enviada pela Internet.
Os candidatos inscritos no último dia de prazo assim como os que se inscreverem nos balcões de atendimento da CCE deverão apresentar a documentação, obrigatoriamente, no ato da inscrição.
Sim, a seleção existe e deverá ser feita com base nos seguintes fatores:
- Histórico escolar;
- Graduação, cursos de extensão, pós-graduação e especialização;
- Experiência profissional;
- Cargo atual;
- Currículo geral do candidato (clareza, a organização e documentos de comprovação).
A coordenação se reserva o direito de programar entrevistas, caso julgue necessário.
Sim. Caso a empresa cubra os custos do curso, o aluno poderá efetuar a matrícula normalmente. No entanto, ele terá de preencher uma carta de compromisso da empresa e submetê-la para o nosso sistema online em até 3 dias.
Tendo feito isso, enviaremos a nota fiscal com boleto bancário à empresa.
Sim, a PUC-Rio tem parceria com diversas empresas, oferecendo desconto diretamente na mensalidade. Há também a possibilidade de criar uma turma específica para os profissionais da empresa, buscando atender às necessidades do grupo.
Caso tenha interesse em um curso fechado para sua empresa, entre em contato conosco através do e-mail bi-master.contato@ele.puc-rio.br.
É importante que seu computador tenha os seguintes requisitos mínimos:
Windows 7 ou superior, Processador Core ou superior, 4 GB Memória, 250 MB espaço em disco disponível, Microsoft Office (2007 em diante).
O uso de máquina com Windows e todas as demais indicações apontadas acima são requisitos para instalação de softwares que serão utilizados em atividades práticas no decorrer das aulas como, por exemplo, os softwares Evolver, @Risc, Qlikview, e outros.
É possível utilizar Mac, desde que haja uma máquina virtual Windows.