Obrigado por enviar sua consulta! Um dos membros da nossa equipe entrará em contato com você em breve.
Obrigado por enviar sua reserva! Um dos membros da nossa equipe entrará em contato com você em breve.
Programa do Curso
1. Introdução à Engenharia de IA
- O que é Engenharia de IA?
- IA vs. Aprendizado de Máquina vs. Aprendizado Profundo
- Ciclo de vida da engenharia de IA
- Aplicações da IA em diversas indústrias
- Papéis e responsabilidades de um engenheiro de IA
2. Fundamentos da Inteligência Artificial
- Conceitos centrais de IA e terminologia
- Aprendizado supervisionado, não supervisionado e por reforço
- Fundamentos de redes neurais e aprendizado profundo
- Visão geral da IA generativa e dos modelos fundamentais
- 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
- Trabalhando com Notebooks Jupyter
- Escrevendo código reutilizável para IA
4. Preparação de Dados para IA
- Coleção e compreensão de conjuntos de dados
- Limpeza e pré-processamento de dados
- Engenharia de características
- Escalação e normalização de características
- Agrupamento de conjuntos de dados em treinamento, validação e teste
- Lidar com valores ausentes e outliers
5. Fundamentos do Aprendizado de Máquina
- Algoritmos de regressão
- Algoritmos de classificação
- Técnicas de agrupamento (clustering)
- Fluxo de trabalho de treinamento do modelo
- Métricas de avaliação do modelo
- Prevenção de overfitting e underfitting
6. Construindo Modelos de IA com TensorFlow e PyTorch
- Introdução ao TensorFlow
- Introdução ao PyTorch
- Criação de redes neurais
- Treinamento e validação do modelo
- Salvar e carregar modelos
- Comparando ambos os frameworks
7. Fundamentos de Processamento de Linguagem Natural
- Pré-processamento de texto
- Embeddings de palavras
- Classificação de texto
- Análise de sentimento
- Introdução aos modelos de transformador
- Aplicações práticas de PLN (NLP)
8. IA no Desenvolvimento de Software
- Integração da IA em aplicativos existentes
- Chamando serviços de IA por meio de APIs
- Desenvolvendo aplicativos impulsionados por IA
- Ferramentas de desenvolvimento de software assistidas por IA
- Teste de aplicativos habilitados para IA
9. Melhores Práticas de Engenharia de IA
- Organização do projeto
- Controle de versão com Git
- Rastreamento de experimentos
- Versionamento de modelos
- Padrões de documentação
- Reprodutibilidade em projetos de IA
10. Implantando Modelos de IA
- Serialização de modelos
- Construção de serviços de inferência
- APIs REST para modelos de IA
- Introdução ao Docker para implantação de IA
- Monitoramento de modelos implantados
- Manutenção e atualização de modelos
11. Engenharia de Dados de IA
- Pipelines de dados
- Processos ETL (Extração, Transformação e Carga)
- 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 de IA e justiça (fairness)
- IA Explicável (XAI)
- Privacidade e proteção de dados
- Considerações de segurança da IA
- Desenvolvimento responsável de IA
- Considerações regulatórias e de governança
13. Gerenciamento de Projetos de IA
- Ciclo de vida de projetos de IA
- Metodologias ágeis para projetos de IA
- Colaboração entre equipes técnicas e de negócios
- Estimativas de projetos de IA
- Gestão de riscos
- Mensuração do sucesso do projeto
14. Oficina Prática de Engenharia de IA e Tendências Futuras
- Configuração de um fluxo de trabalho completo de desenvolvimento de IA
- Construção de um projeto de aprendizado de máquina end-to-end
- Treinamento e avaliação de um modelo usando TensorFlow ou PyTorch
- Implantação de uma aplicação simples de IA
- Tendências atuais na Engenharia de IA
- IA Generativa e Modelos de Linguagem Grandes (LLMs)
- MLOps e automação de IA
- Caminhos de carreira e aprendizado contínuo
- Resumo, perguntas e respostas, e próximos passos
Requisitos
- Conhecimento dos conceitos básicos de programação
- Experiência com programação em Python
- Conhecimento básico de estatísticas e álgebra linear
Público-alvo
- Engenheiros de IA
- Desenvolvedores de software
- Analistas de dados
14 Horas
Testemunhos de Clientes (2)
A extensa seleção de ferramentas apresentadas
Miruna Buzduga - Aeronamic Eastern Europe
Curso - AI Enablement Training for Engineers
Máquina Traduzida
Treinamento passo a passo com muitos exercícios. Foi como um workshop e estou muito feliz com isso.
Ireneusz - Inter Cars S.A.
Curso - Intelligent Applications Fundamentals
Máquina Traduzida