Inteligência Artificial e Aprendizado de Máquina
( 25 Módulos )

módulo #1
Introdução à Inteligência Artificial
Visão geral da IA, sua história e aplicações

módulo #2
Fundamentos do aprendizado de máquina
Introdução ao aprendizado de máquina, tipos e aprendizado supervisionado/não supervisionado

módulo #3
Matemática e estatística para ML
Álgebra linear, cálculo, probabilidade e estatística para aprendizado de máquina

módulo #4
Python para aprendizado de máquina
Introdução ao Python, NumPy, Pandas e manipulação de dados

módulo #5
Pré-processamento de dados
Dados limpeza, dimensionamento de recursos e seleção de recursos

módulo #6
Aprendizado supervisionado
Métricas de regressão, classificação e avaliação de modelo

módulo #7
Regressão linear
Regressão linear simples e múltipla, função de custo e descida gradiente

módulo #8
Regressão Logística
Classificação binária, função logística e limites de decisão

módulo #9
Árvores de decisão
Introdução às árvores de decisão, entropia e ganho de informação

módulo #10
Florestas aleatórias
Aprendizagem em conjunto, ensacamento e florestas aleatórias

módulo #11
Máquinas de vetores de suporte
Classificação de margem máxima, margem suave e truque de kernel

módulo #12
Aprendizado não supervisionado
Clustering, redução de dimensionalidade e detecção de anomalias

módulo #13
Clustering K-Means
Algoritmo K-means, inicialização centróide e convergência

módulo #14
Análise de componentes principais
PCA, extração de recursos e redução de dimensionalidade

módulo #15
Fundamentos de aprendizagem profunda
Introdução ao neural redes, perceptron e perceptron multicamadas

módulo #16
Redes Neurais Convolucionais
CNNs, camadas convolucionais e classificação de imagens

módulo #17
Redes Neurais Recorrentes
RNNs, LSTM e modelagem de sequência

módulo #18
Redes Neurais Naturais»»},{Processamento de linguagem
Pré-processamento de texto, tokenização e incorporação de palavras

módulo #19
Aprendizado de transferência
Modelos pré-treinados, ajuste fino e zoológico de modelos

módulo #20
Avaliação e seleção de modelos
Seleção de modelos, ajuste de hiperparâmetros e validação cruzada

módulo #21
Tratamento de conjuntos de dados desequilibrados
Técnicas de desequilíbrio de classe, sobreamostragem e subamostragem

módulo #22
Implantação de modelo
Implantação de modelo, integração de API e conteinerização Docker

módulo #23
Ética e justiça em IA
Detecção de preconceito, métricas de justiça e considerações éticas

módulo #24
Tópicos especiais em IA
Modelos geradores, mecanismos de atenção e IA explicável

módulo #25
Conclusão e encerramento do curso
Planejando os próximos passos na carreira de Inteligência Artificial e Aprendizado de Máquina

Pronto para aprender, compartilhar e competir?