Curso de Detecção de Fraude com Python e TensorFlow

Este curso intensivo e prático abrange técnicas avançadas de Python, melhores práticas de engenharia de software e padrões de design comumente utilizados para construir aplicações Python mantáveis, testáveis e de alto desempenho. Ele enfatiza ferramentas modernas, tipagem, modelos de concorrência, padrões de arquitetura e fluxos de trabalho prontos para implantação em produção.

Este treinamento ao vivo e ministrado por instrutor (online ou presencial) é direcionado a desenvolvedores Python de nível intermediário a avançado que desejam adotar práticas e padrões profissionais para sistemas Python de qualidade de produção.

Ao final deste treinamento, os participantes serão capazes de:

• Aplicar tipagem do Python, dataclasses e verificação de tipos para aumentar a confiabilidade do código.
• Utilizar padrões de design e princípios de arquitetura para estruturar aplicações robustas.
• Implementar corretamente concorrência e paralelismo usando asyncio e multiprocessing.
• Construir código bem testado com pytest, testes baseados em propriedades e pipelines de CI.
• Fazer profiling, otimizar e endurecer aplicações Python para produção.
• Pacotejar, distribuir e implantar projetos Python usando ferramentas modernas e contêineres.

Formato do Curso

• Aulas interativas e demonstrações curtas.
• Laboratórios práticos e exercícios de codificação todos os dias.
• Projeto integrador (mini-projeto) que combina padrões, testes e implantação.

Opções de Personalização do Curso

• Para solicitar um treinamento personalizado ou focado em uma área específica (dados, web ou infraestrutura), entre em contato conosco para agendar.

Este curso ensina técnicas práticas de engenharia para projetar, construir, testar e implantar sistemas autônomos (agenciais) utilizando Python. Aborda o ciclo do agente, integrações com ferramentas, gerenciamento de memória e estado, padrões de orquestração, controles de segurança e considerações para produção.

Esta formação orientada por instrutor (online ou presencial) é voltada a engenheiros de ML de nível intermediário a avançado, desenvolvedores de IA e engenheiros de software que desejam construir agentes autônomos robustos e prontos para produção utilizando Python.

Ao final desta formação, os participantes serão capazes de:

• Projetar e implementar o ciclo do agente e fluxos de tomada de decisão.
• Integrar ferramentas externas e APIs para estender as capacidades do agente.
• Implementar arquiteturas de memória de curto e longo prazo para agentes.
• Coordenar orquestrações em múltiplas etapas e composabilidade entre agentes.
• Aplicar boas práticas de segurança, controle de acesso e observabilidade para agentes implantados.

Formato do Curso

• Aulas interativas e discussões.
• Práticas com construção de agentes utilizando Python e SDKs populares.
• Exercícios baseados em projetos que resultam em protótipos implantáveis.

Opções de Personalização do Curso

• Para solicitar uma formação personalizada para este curso, entre em contato conosco para agendarmos.

Explora abordagens práticas de Ciência de Dados e IA utilizando Python — capacita profissionais com as competências necessárias para explorar dados, construir modelos de aprendizagem automática e implementar aplicações baseadas em IA em contextos empresariais; Aborda fluxos de trabalho CRISP-DM, análise estatística, aprendizagem supervisionada e não supervisionada, deep learning com Tensorflow, processamento de linguagem natural (NLP), big data com Spark e storytelling orientado por dados; Ideal para iniciantes que procuram uma certificação em Ciência de Dados com Python e formação analítica pronta para o mercado.

A Inteligência Artificial com Python consiste no desenvolvimento de sistemas inteligentes por meio do extenso ecossistema de bibliotecas de IA e aprendizado de máquina disponíveis para a linguagem Python.

Este treinamento ao vivo, ministrado por um instrutor (online ou presencial), destina-se a programadores de Python de nível intermediário que desejam projetar, implementar e implantar soluções de IA usando Python.

Ao final deste treinamento, os participantes serão capazes de:

• Implementar algoritmos de IA utilizando as principais bibliotecas de IA do Python.
• Trabalhar com modelos de aprendizado supervisionado, não supervisionado e por reforço.
• Integrar soluções de IA em aplicativos e fluxos de trabalho existentes.
• Avaliar o desempenho dos modelos e otimizá-los para precisão e eficiência.

Formato do Curso

• Palestras interativas e discussões.
• Muitos exercícios e práticas de laboratório.
• Implementação prática em ambiente de laboratório ao vivo.

Opções de Personalização do Curso

• Para solicitar um treinamento personalizado para este curso, entre em contato conosco para agendar.

O curso 'IA Aplicada do Zero em Python' capacita programadores e analistas de dados com técnicas fundamentais para construir soluções de aprendizado de máquina desde o início, utilizando Python. Aborda os princípios centrais da aprendizagem supervisionada (classificação e regressão), da aprendizagem não supervisionada (agrupamento e detecção de anomalias) e das arquiteturas avançadas de redes neurais. Examina métodos comprovados para trabalhar com scikit-learn, Apache Spark MLlib e notebooks Jupyter, oferecendo um desenvolvimento prático de IA. Auxilia profissionais na implementação de modelos de ML práticos, na avaliação das limitações dos algoritmos e na conclusão de projetos aplicados para a resolução de problemas do mundo real.

Este treinamento orientado por instrutor em Brasil (online ou presencial) destina-se a desenvolvedores de Python de nível intermédio que desejam melhorar sua experiência de desenvolvimento com a AWS Cloud9.

Ao final deste treinamento, os participantes serão capazes de:

• Configurar e definir parâmetros da AWS Cloud9 para o desenvolvimento em Python.
• Compreender a interface e as funcionalidades do IDE AWS Cloud9.
• Escrever, depurar e implantar aplicações em Python na AWS Cloud9.
• Collaborate com outros desenvolvedores utilizando a plataforma AWS Cloud9.
• Integrar a AWS Cloud9 com outros serviços da AWS para implantações avançadas.

Visão Geral do Curso

Esta formação prática foi desenvolvida para profissionais com formação em engenharia de dados que desejam adquirir habilidades aplicáveis em inteligência artificial, Python e modelos de linguagem grandes (LLMs). O curso foca em aplicações reais, abordando o uso de modelos, engenharia de prompts e a construção de soluções baseadas em IA. Os participantes desenvolverão exercícios progressivos, indo dos conceitos fundamentais até a criação de fluxos de trabalho de IA prontos para implantação.

Formato da Formação

• Treinamento presencial em sala de aula

• Sessões guiadas por instrutor com prática supervisionada •

• Discussões interativas e estudos de caso do mundo real

• Exercícios práticos diários

Objetivos do Curso

• Compreender os conceitos fundamentais de IA e aprendizado de máquina relevantes para aplicações modernas

• Fortalecer as habilidades em Python para desenvolvimento de IA e fluxos de dados •

• Aprender como os modelos de linguagem grandes funcionam e como utilizá-los de forma eficaz •

• Criar e otimizar prompts para obtenção de resultados confiáveis •

• Construir soluções completas de IA utilizando APIs e frameworks

• Integrar IA em pipelines de engenharia de dados •

Esta formação ao vivo, ministrada por instrutores em Brasil (online ou presencial), é voltada para profissionais de nível avançado que desejam aprofundar seu entendimento sobre visão computacional e explorar as capacidades do TensorFlow no desenvolvimento de modelos sofisticados de visão usando 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 escalável e eficiente de modelos na nuvem.
• Implementar técnicas de pré-processamento de imagens para tarefas de visão computacional.
• Implantar modelos de visão computacional em aplicações do mundo real.
• Utilizar aprendizado por transferência (transfer learning) para melhorar o desempenho dos modelos CNN.
• Visualizar e interpretar os resultados de modelos de classificação de imagens.

Este treinamento ao vivo, ministrado por instrutor em Brasil (online ou presencial), destina-se a desenvolvedores Python de nível intermediário e analistas de dados que desejam aprimorar suas habilidades em análise e manipulação de dados utilizando Pandas e NumPy.

Ao final deste treinamento, os participantes serão capazes de:

• Configurar um ambiente de desenvolvimento que inclua Python, Pandas e NumPy.
• Criar uma aplicação de análise de dados usando Pandas e NumPy.
• Executar operações avançadas de manipulação, classificação e filtragem de dados.
• Realizar operações agregadas e analisar séries temporais.
• Visualizar dados utilizando Matplotlib e outras bibliotecas de visualização.
• Depurar e otimizar o código de análise de dados.

Este treinamento ao vivo, ministrado por instrutor em Brasil (online ou presencial), destina-se a cientistas de dados e desenvolvedores de nível intermediário que desejam compreender e aplicar técnicas de aprendizado profundo no ambiente do Google Colab.

Ao final deste treinamento, os participantes serão capazes de:

• Configurar e navegar pelo Google Colab para projetos de aprendizado profundo.
• Compreender os fundamentos das redes neurais.
• Implementar modelos de aprendizado profundo utilizando o TensorFlow.
• Treinar e avaliar modelos de aprendizado profundo.
• Utilizar recursos avançados do TensorFlow para aprendizado profundo.

Esta formação prática e ao vivo (online ou presencial), ministrada por instrutores, destina-se a desenvolvedores que desejam utilizar a stack FARM (FastAPI, React e MongoDB) para criar aplicações web dinâmicas, de alta performance e escaláveis.

Ao final desta formação, os participantes serão capazes de:

• Configurar o ambiente de desenvolvimento necessário, integrando FastAPI, React e MongoDB.
• Compreender os principais conceitos, funcionalidades e benefícios da stack FARM.
• Aprender a construir APIs REST com FastAPI.
• Aprender a projetar aplicações interativas com o React.
• Desenvolver, testar e implementar aplicações (frontend e backend) utilizando a stack FARM.

Este treinamento ao vivo e orientado por instrutor em Brasil (online ou presencial) direciona-se a desenvolvedores que desejam usar FastAPI com Python para construir, testar e implantar APIs RESTful de forma mais fácil e rápida.

Ao final deste treinamento, os participantes serão capazes de:

• Configurar o ambiente de desenvolvimento necessário para criar APIs com Python e FastAPI.
• Criar APIs mais rapidamente e com maior facilidade usando a biblioteca FastAPI.
• Aprender como criar modelos de dados e esquemas baseados em Pydantic e OpenAPI.
• Conectar APIs a um banco de dados usando SQLAlchemy.
• Implementar segurança e autenticação em APIs usando as ferramentas do FastAPI.
• Construir imagens de contêiner e implantar APIs web em um servidor na nuvem.

O objetivo deste curso é proporcionar proficiência geral na aplicação de métodos de Machine Learning na prática. Por meio do uso da linguagem de programação Python e de suas diversas bibliotecas, e com base em uma ampla variedade de exemplos práticos, este curso ensina como utilizar os blocos de construção mais importantes do Machine Learning, como tomar decisões sobre modelagem de dados, interpretar as saídas dos algoritmos e validar os resultados.

Nosso objetivo é fornecer as habilidades para compreender e usar com confiança as ferramentas mais fundamentais da caixa de ferramentas de Machine Learning, evitando as armadilhas comuns em aplicações de Ciência de Dados.

Este treinamento ao vivo com instrutor em Brasil (online ou presencial) destina-se a desenvolvedores e cientistas de dados que desejam usar o Tensorflow 2.x para construir preditores, classificadores, modelos generativos, redes neurais e assim por diante.

Ao final deste treinamento, os participantes serão capazes de:

• Instalar e configurar o TensorFlow 2.x.
• Entender os benefícios do TensorFlow 2.x em relação às versões anteriores.
• Criar modelos de aprendizado profundo.
• Implementar um classificador de imagens avançado.
• Implantar um modelo de aprendizado profundo na nuvem, dispositivos móveis e IoT.

Este curso começa proporcionando a você conhecimento conceitual sobre redes neurais e, de modo geral, sobre algoritmos de aprendizado de máquina, incluindo aprendizado profundo (algoritmos e aplicações).

A Parte 1 (40%) deste treinamento foca mais nos fundamentos, mas ajudará você a escolher a tecnologia certa: TensorFlow, Caffe, Theano, DeepDrive, Keras, etc.

A Parte 2 (20%) deste treinamento apresenta o Theano, uma biblioteca Python que facilita a escrita de modelos de aprendizado profundo.

A Parte 3 (40%) do treinamento será amplamente baseada no TensorFlow, a API da biblioteca de software de código aberto do Google para Aprendizado Profundo. Todos os exemplos e exercícios práticos serão realizados em TensorFlow.

Público-alvo

Este curso é destinado a engenheiros que buscam usar o TensorFlow em seus projetos de Aprendizado Profundo.

Após concluir este curso, os participantes serão capazes de:

• ter uma boa compreensão sobre redes neurais profundas (DNN), CNNs e RNNs
• entender a estrutura e os mecanismos de implantação do TensorFlow
• realizar tarefas de instalação, configuração de ambiente de produção e arquitetura
• avaliar a qualidade do código, realizar depuração e monitoramento
• implementar atividades de treinamento avançado similares às de produção, construir grafos e registros (logging)