Programa do Curso

Visão Geral da IA no Python

  • Conceitos-chave e escopo da IA
  • Bibliotecas de IA para desenvolvimento no Python
  • Estrutura e fluxo de trabalho do projeto de IA

Preparação de Dados para IA

  • Limpeza, transformação e engenharia de recursos dos dados
  • Manipulação de dados ausentes e desequilibrados
  • Escalação e codificação de recursos

Técnicas de Supervised Learning

  • Algoritmos de regressão e classificação
  • Métodos ensembles: Random Forest, Gradient Boosting
  • Ajuste de hiperparâmetros e validação cruzada

Técnicas de Unsupervised Learning

  • Métodos de agrupamento: K-Means, DBSCAN, clusterização hierárquica
  • Redução de dimensionalidade: PCA, t-SNE
  • Casos de uso para aprendizado não supervisionado

Neural Networks e Deep Learning

  • Introdução a TensorFlow e Keras
  • Criação e treinamento de redes neurais feedforward
  • Otimização do desempenho da rede neural

Reinforcement Learning (Intro)

  • Conceitos-chave de agentes, ambientes e recompensas
  • Implementação de algoritmos básicos de aprendizado por reforço
  • Apliques do aprendizado por reforço

Implantação de Modelos de IA

  • Economia e carregamento de modelos treinados
  • Integração de modelos em aplicações via APIs
  • Monitoramento e manutenção de sistemas de IA em produção

Resumo e Próximos Passos

Requisitos

  • Compreensão sólida dos fundamentos de programação Python
  • Experiência com bibliotecas de análise de dados como NumPy e pandas
  • Noções básicas sobre conceitos e algoritmos de aprendizado de máquina

Público-alvo

  • Desenvolvedores de software que desejam expandir suas habilidades em desenvolvimento de IA
  • Analisadores de dados interessados em aplicar técnicas de IA a conjuntos de dados complexos
  • Profissionais de P&D construindo aplicações com IA
 35 Horas

Declaração de Clientes (3)

Próximas Formações Provisórias

Categorias Relacionadas