Entrar em Contato
 Duração 14 horas

Programa do Curso

1. Introdução à Engenharia de IA

  • O que é Engenharia de IA?
  • IA vs. Machine Learning vs. Deep Learning
  • Ciclo de vida da engenharia de IA
  • Aplicações da IA em diferentes setores industriais
  • Papéis e responsabilidades de um engenheiro de IA

2. Fundamentos da Inteligência Artificial

  • Conceitos e terminologia fundamentais de IA
  • Aprendizado supervisionado, não supervisionado e por reforço
  • Redes neurais e fundamentos de deep learning
  • Visão geral da IA generativa e modelos fundacionais
  • Ecossistemas e frameworks de desenvolvimento de IA

3. Python para Engenharia de IA

  • Bibliotecas essenciais de Python para IA
  • NumPy, Pandas e Matplotlib
  • Manipulação e visualização de dados
  • Trabalho com Jupyter Notebooks
  • Escrita de código de IA reutilizável

4. Preparação de Dados para IA

  • Coleta e compreensão de conjuntos de dados
  • Limpeza e pré-processamento de dados
  • Engenharia de características
  • Escala e normalização de características
  • Divisão de conjuntos de dados em conjuntos de treino, validação e teste
  • Gestão de valores em falta e outliers

5. Fundamentos de Machine Learning

  • Algoritmos de regressão
  • Algoritmos de classificação
  • Técnicas de agrupamento
  • Fluxo de trabalho de treino de modelos
  • Métricas de avaliação de modelos
  • Prevenção de overfitting e underfitting

6. Construção de Modelos de IA com TensorFlow e PyTorch

  • Introdução ao TensorFlow
  • Introdução ao PyTorch
  • Criação de redes neurais
  • Treino e validação de modelos
  • Gravação e carregamento de modelos
  • Comparação dos dois frameworks

7. Fundamentos de Processamento de Linguagem Natural

  • Pré-processamento de texto
  • Incorporações de palavras
  • Classificação de texto
  • Análise de sentimentos
  • Introdução a modelos transformer
  • Aplicações práticas de PLN

8. IA no Desenvolvimento de Software

  • Integração de IA em aplicações existentes
  • Chamadas a serviços de IA através de APIs
  • Desenvolvimento de aplicações impulsionadas por IA
  • Ferramentas de desenvolvimento de software assistido por IA
  • Teste de aplicações com capacidade de IA

9. Melhores Práticas em Engenharia de IA

  • Organização de projetos
  • Controlo de versões com Git
  • Rastreio de experimentos
  • Versionamento de modelos
  • Padrões de documentação
  • Reprodutibilidade em projetos de IA

10. Implementação de Modelos de IA

  • Serialização de modelos
  • Construção de serviços de inferência
  • APIs REST para modelos de IA
  • Introdução ao Docker para implementação de IA
  • Monitorização de modelos implementados
  • Manutenção e atualizações de modelos

11. Engenharia de Dados para IA

  • Canais de dados
  • Processos ETL
  • Gestão de dados estruturados e não estruturados
  • Opções de armazenamento de dados
  • Gestão da qualidade dos dados
  • Preparação de conjuntos de dados prontos para produção

12. IA Responsável e Ética

  • Vieses na IA e equidade
  • IA Explicável (XAI)
  • Privacidade e proteção de dados
  • Considerações de segurança da IA
  • Desenvolvimento responsável de IA
  • Considerações regulatórias e de governança

13. Gestão de Projetos de IA

  • Ciclo de vida de projetos de IA
  • Metodologias ágeis para projetos de IA
  • Colaboração entre equipas técnicas e de negócio
  • Estimação de projetos de IA
  • Gestão de riscos
  • Medição do sucesso do projeto

14. Oficina Prática de Engenharia de IA e Tendências Futuras

  • Definição de um fluxo de trabalho completo de desenvolvimento de IA
  • Construção de um projeto de machine learning de ponta a ponta
  • Treino e avaliação de um modelo utilizando TensorFlow ou PyTorch
  • Implementação de uma aplicação de IA simples
  • Tendências atuais em Engenharia de IA
  • IA Generativa e Modelos de Linguagem Grande (LLMs)
  • MLOps e automação de IA
  • Percurso de carreira e aprendizagem contínua
  • Resumo, Perguntas e Respostas e próximos passos

Requisitos

  • Compreensão de conceitos básicos de programação
  • Experiência em programação com Python
  • Familiaridade com estatística básica e álgebra linear

Público-Alvo

  • Engenheiros de IA
  • Desenvolvedores de software
  • Analistas de dados

Formação Empresarial Personalizada

Soluções de formação concebidas exclusivamente para empresas.

  • Conteúdo Personalizado: Adaptamos o programa e os exercícios práticos aos objetivos e necessidades reais do seu projeto.
  • Horário Flexível: Datas e horários adaptados à agenda da sua equipe.
  • Formato: Online (ao vivo), In-Company (em suas instalações) ou Híbrido.
Investimento

Preço por grupo privado, formação online em direto, a partir de 2600 € + VAT*

Entre em contato conosco para obter um orçamento preciso e conhecer nossas promoções mais recentes

Testemunhos de Clientes (2)

Próximas Formações Provisórias

Categorias Relacionadas