Cursos de Deep Learning em Maia

Esta formação ao vivo, conduzida por um instrutor em Maia (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 Maia (online ou presencial), destina-se a profissionais de nível avançado que desejam aprofundar o seu conhecimento em visão computacional e explorar as capacidades do TensorFlow para o desenvolvimento de modelos de visão sofisticados utilizando o Google Colab.

Ao final desta formação, os participantes serão capazes de:

• Construir e treinar redes neurais convolucionais (CNNs) utilizando TensorFlow.
• Aproveitar o Google Colab para o desenvolvimento de modelos na cloud de forma escalável e eficiente.
• Implementar técnicas de pré-processamento de imagem para tarefas de visão computacional.
• Implantar modelos de visão computacional para aplicações do mundo real.
• Utilizar o transfer learning para melhorar o desempenho dos modelos CNN.
• Visualizar e interpretar os resultados de modelos de classificação de imagens.

Esta formação ao vivo, conduzida por um instrutor, em Maia (online ou presencial), destina-se a cientistas de dados e desenvolvedores intermédios que desejam compreender e aplicar técnicas de deep learning no ambiente do Google Colab.

No final desta formação, os participantes estarão aptos a:

• Configurar e navegar no Google Colab para projetos de deep learning.
• Compreender os fundamentos das redes neurais.
• Implementar modelos de deep learning utilizando o TensorFlow.
• Treinar e avaliar modelos de deep learning.
• Utilizar funcionalidades avançadas do TensorFlow para deep learning.

Esta formação ao vivo, orientada por instrutores, em Maia (online ou presencial), destina-se a profissionais de nível avançado que desejam especializar-se em técnicas de ponta de aprendizagem profunda para NLU.

No final desta formação, os participantes serão capazes de:

• Compreender as diferenças fundamentais entre os modelos de NLU e PLN.
• Aplicar técnicas avançadas de aprendizagem profunda a tarefas de NLU.
• Explorar arquiteturas profundas, como transformers e mecanismos de atenção.
• Aproveitar as tendências futuras em NLU para a construção de sistemas de IA sofisticados.

Esta formação ao vivo, liderada por um instrutor, em Maia (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.

Este treinamento ao vivo, conduzido por instrutor em Maia (online ou presencial), destina-se a cientistas de dados, engenheiros de machine learning, pesquisadores em deep learning e especialistas em visão computacional de nível intermédio a avançado que desejam expandir o seu conhecimento e habilidades em deep learning para a geração de texto-para-imagem.

Ao final deste treinamento, os participantes serão capazes de:

• Compreender arquiteturas e técnicas avançadas de deep learning para a geração de texto-para-imagem.
• Implementar modelos complexos e otimizações para a síntese de imagens de alta qualidade.
• Otimizar o desempenho e a escalabilidade para grandes conjuntos de dados e modelos complexos.
• Ajustar hiperparâmetros para melhorar o desempenho e a generalização dos modelos.
• Integrar o Stable Diffusion com outras estruturas (frameworks) e ferramentas de deep learning.

Esta formação ao vivo, com instrutor presente, em Maia (online ou presencial), destina-se a profissionais de nível avançado que pretendem alavancar técnicas de IA para revolucionar os processos de descoberta e desenvolvimento de medicamentos.

Ao final desta formação, os participantes estarão aptos a:

• Compreender o papel da IA na descoberta e no desenvolvimento de medicamentos.
• Aplicar técnicas de machine learning para prever propriedades moleculares e interações.
• Utilizar modelos de deep learning para triagem virtual e otimização de leads.
• Integrar abordagens impulsionadas por IA no processo de ensaios clínicos.

Esta formação ao vivo, com instrutor, em Maia (online ou presencial), destina-se a desenvolvedores de nível iniciante a intermédio que desejam utilizar Modelos de Linguagem de Grande Escala em diversas tarefas de linguagem natural.

No final desta formação, os participantes poderão:

• Configurar um ambiente de desenvolvimento que inclui um LLM popular.
• Criar um LLM básico e ajustá-lo (fine-tuning) num conjunto de dados personalizado.
• Utilizar LLMs para diferentes tarefas de linguagem natural, como resumo de texto, resposta a perguntas, geração de texto, entre outras.
• Corrigir erros e avaliar LLMs utilizando ferramentas como TensorBoard, PyTorch Lightning e Hugging Face Datasets.

Esta formação ao vivo, com instrutor, (online ou presencial) destina-se a cientistas de dados, engenheiros de machine learning e investigadores em visão computacional que desejam aproveitar o Stable Diffusion para gerar imagens de alta qualidade para uma variedade de casos de utilização.

No final desta formação, os participantes serão capazes de:

• Compreender os princípios do Stable Diffusion e a sua operação na geração de imagens.
• Construir e treinar modelos Stable Diffusion para tarefas de geração de imagens.
• Aplicar o Stable Diffusion a diversos cenários de geração de imagens, como inpainting, outpainting e tradução de imagem para imagem.
• Otimizar o desempenho e a estabilidade dos modelos Stable Diffusion.

Nesta formação ao vivo, guiada por um instrutor, em Maia, os participantes conhecerão as técnicas mais relevantes e de vanguarda em aprendizado de máquina em Python, enquanto constroem uma série de aplicações demonstrativas que envolvem dados de imagem, música, texto e finanças.

Ao final desta formação, os participantes serão capazes de:

• Implementar algoritmos e técnicas de aprendizado de máquina para resolver problemas complexos.
• Aplicar deep learning e aprendizado semi-supervisionado a aplicações que envolvam dados de imagem, música, texto e finanças.
• Explorar o máximo potencial dos algoritmos em Python.
• Utilizar bibliotecas e pacotes, como NumPy e Theano.

Esta formação ao vivo, ministrada por instrutor, em Maia (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 formadores, em Maia (online ou presencial), destina-se a desenvolvedores de software, analistas de dados e profissionais técnicos que pretendam utilizar TensorFlow 2.x e Keras para construir, treinar e implementar modelos de deep learning para visão computacional, processamento de linguagem natural e aplicações multimodais.

Esta formação ao vivo, ministrada por um formador em Maia (online ou presencial), destina-se a cientistas de dados que pretendem utilizar o TensorFlow para analisar dados potenciais de fraude.

Ao final desta formação, os participantes serão capazes de:

• Criar um modelo de deteção de fraudes em Python e TensorFlow.
• Construir regressões lineares e modelos de regressão linear para prever fraudes.
• Desenvolver uma aplicação de IA de ponta a ponta para análise de dados de fraude.

Nesta formação ao vivo, dirigida por um formador, os participantes aprenderão a utilizar o Matlab para conceber, construir e visualizar uma rede neural convolucional para reconhecimento de imagens.

À conclusão desta formação, os participantes serão capazes de:

• Construir um modelo de aprendizagem profunda
• Automatizar a etiquetagem de dados
• Trabalhar com modelos do Caffe e TensorFlow-Keras
• Treinar dados utilizando várias GPUs, a cloud ou clusters

Público-alvo

• Desenvolvedores
• Engenheiros
• Especialistas de domínio

Formato do curso

• Parte palestra, parte discussão, exercícios e prática intensiva em ambiente real

Esta formação presencial, dirigida por instrutores, em Maia (online ou no local), destina-se a programadores e cientistas de dados que pretendem utilizar o TensorFlow 2.x para construir preditores, classificadores, modelos generativos, redes neuronais, entre outros.

No final desta formação, os participantes poderão:

• Instalar e configurar o TensorFlow 2.x.
• Compreender os benefícios do TensorFlow 2.x em relação às versões anteriores.
• Construir modelos de deep learning.
• Implementar um classificador de imagens avançado.
• Fazer a implantação (deploy) de um modelo de deep learning em cloud, dispositivos móveis e dispositivos IoT.