Curso de Técnicas Avançadas de IA para Automação de Projeto de Semicondutores

Este curso ao vivo, dirigido por um instrutor, em Portugal (online ou presencial), destina-se a participantes com diferentes níveis de experiência que pretendem aproveitar a plataforma AutoML da Google para criar chatbots personalizados para diversas aplicações.

No final deste curso, os participantes serão capazes de:

• Compreender os fundamentos do desenvolvimento de chatbots.
• Navegar na Google Cloud Platform e aceder ao AutoML.
• Preparar dados para o treino de modelos de chatbots.
• Treinar e avaliar modelos de chatbots personalizados utilizando o AutoML.
• Implantar e integrar chatbots em diversas plataformas e canais.
• Monitorizar e otimizar o desempenho dos chatbots ao longo do tempo.

Esta formação ao vivo, ministrada por instrutor, em Portugal (online ou presencial), oferece uma introdução ao campo do reconhecimento de padrões e do machine learning. Aborda aplicações práticas em estatística, ciência da computação, processamento de sinais, visão por computador, mineração de dados e bioinformática.

Até ao final desta formação, os participantes estarão capacitados para:

• Aplicar métodos estatísticos essenciais ao reconhecimento de padrões.
• Utilizar modelos-chave, como redes neurais e métodos de kernel, para análise de dados.
• Implementar técnicas avançadas para resolução de problemas complexos.
• Melhorar a precisão das previsões através da combinação de diferentes modelos.

Esta formação ao vivo, conduzida por um instrutor em Portugal (online ou presencial), destina-se a desenvolvedores, cientistas de dados e praticantes de IA de nível intermédio que desejam aproveitar o TensorFlow Lite para aplicações de Edge AI.

No final desta formação, os participantes serão capazes de:

• Compreender os fundamentos do TensorFlow Lite e o seu papel na Edge AI.
• Desenvolver e otimizar modelos de IA utilizando o TensorFlow Lite.
• Implantar modelos TensorFlow Lite em diversos dispositivos de edge.
• Utilizar ferramentas e técnicas para a conversão e otimização de modelos.
• Implementar aplicações práticas de Edge AI com o TensorFlow Lite.

Esta formação ao vivo, com instrutor em Portugal (online ou presencial), destina-se a desenvolvedores e cientistas de dados que desejam construir, implementar e gerir fluxos de trabalho de machine learning em Kubernetes.

No final desta formação, os participantes serão capazes de:

• Instalar e configurar o Kubeflow em ambientes on-premise e na nuvem.
• Construir, implementar e gerir fluxos de trabalho de ML baseados em contentores Docker e Kubernetes.
• Executar pipelines completos de machine learning em arquiteturas diversificadas e ambientes de nuvem.
• Utilizar o Kubeflow para criar e gerir notebooks Jupyter.
• Construir cargas de trabalho de treino de ML, otimização de hiperparâmetros e inferência em múltiplas plataformas.

Esta formação presencial e ao vivo em Portugal (online ou no local), conduzida por formador, destina-se a analistas de dados de nível intermédio que pretendem aprender a utilizar o RapidMiner para estimar e projetar valores e a empregar ferramentas analíticas para previsão de séries temporais.

No final desta formação, os participantes serão capazes de:

• Aprender a aplicar a metodologia CRISP-DM, selecionar algoritmos de machine learning adequados e aprimorar a construção e o desempenho dos modelos.
• Utilizar o RapidMiner para estimar e projetar valores e empregar ferramentas analíticas para previsão de séries temporais.

Esta formação ao vivo, liderada por um instrutor, em Portugal (online ou presencial), destina-se a profissionais de nível avançado que pretendem explorar técnicas de XAI de ponta para modelos de deep learning, com foco na construção de sistemas de IA interpretáveis.

No final desta formação, os participantes serão capazes de:

• Compreender os desafios da explicabilidade em deep learning.
• Implementar técnicas avançadas de XAI para redes neuronais.
• Interpretar as decisões tomadas por modelos de deep learning.
• Avaliar os compromissos entre desempenho e transparência.