Curso de Detecção de Fraude com Python e TensorFlow

Este curso intensivo e prático abrange técnicas avançadas de Python, melhores práticas de engenharia e padrões de design comumente utilizados para construir aplicações Python mantíveis, testáveis e de alto desempenho. O curso enfatiza ferramentas modernas, tipagem, modelos de concorrência, padrões arquiteturais e fluxos de trabalho prontos para implantação.

Esta formação orientada por instrutor (online ou presencial) é direcionada a desenvolvedores Python intermediários a avançados que desejam adotar práticas e padrões profissionais para sistemas Python de produção.

Ao final deste treinamento, os participantes serão capazes de:

• Aplique a tipagem do Python, dataclasses e verificações de tipo para aumentar a confiabilidade do código.
• Use padrões de design e princípios arquiteturais para estruturar aplicações robustas.
• Implemente concorrência e paralelismo corretamente usando asyncio e multiprocessing.
• Construa código bem testado com pytest, testes baseados em propriedades e pipelines CI.
• Perfis, otimize e fortalezas as aplicações Python para produção.
• Empacote, distribua e implante 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 mini-culminante integrando padrões, testes e implantação.

Opções de Personalização do Curso

• Para solicitar um treinamento personalizado ou área de foco (dados, web ou infraestrutura), entre em contato conosco para arranjar.

Este curso ensina técnicas práticas de engenharia para projetar, construir, testar e implantar sistemas agênticos (autônomos) usando Python. Ele abrange o loop do agente, integrações com ferramentas, gerenciamento de memória e estado, padrões de orquestração, controles de segurança e considerações para produção.

Esta formação conduzida por instrutor (online ou presencial) é voltada para engenheiros de ML intermediários a avançados, desenvolvedores de IA e engenheiros de software que desejam construir agentes autônomos robustos e prontos para produção usando Python.

Ao final deste treinamento, os participantes serão capazes de:

• Projetar e implementar o loop do agente e fluxos de trabalho de tomada de decisão.
• Integrar ferramentas externas e APIs para estender as capacidades dos agentes.
• Implementar arquiteturas de memória de curto e longo prazo para os agentes.
• Coordenar orquestrações multietapa e composição de agentes.
• Aplicar melhores práticas de segurança, controle de acesso e observabilidade para agentes implantados.

Formato do Curso

• Aula interativa e discussão.
• Laboratórios práticos construindo agentes com Python e SDKs populares.
• Exercícios baseados em projetos que produzem protótipos implantáveis.

Opções de Personalização do Curso

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

Explora abordagens práticas para a Ciência de Dados e IA utilizando Python — capacita profissionais com as competências necessárias para explorar dados, construir modelos de machine learning e implementar aplicações de IA em contextos empresariais; Aborda fluxos de trabalho CRISP-DM, análise estatística, aprendizado supervisionado e não supervisionado, deep learning com Tensorflow, processamento de linguagem natural, big data com Spark e narrativa impulsionada por dados; Ideal para iniciantes que procuram certificação em ciência de dados com Python e formação em análise de dados pronta para o mercado.

Inteligência Artificial com Python é o desenvolvimento de sistemas inteligentes usando o amplo ecossistema de bibliotecas de IA e aprendizado de máquina do Python.

Esta formação presencial (online ou no local) liderada por instrutores destina-se a programadores de nível intermediário em Python que desejam projetar, implementar e implantar soluções de IA usando o Python.

No final desta formação, os participantes serão capazes de:

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

Formato do Curso

• Aula interativa e discussão.
• Muitos exercícios e prática.
• Implementação prática em um ambiente de laboratório ao vivo.

Opções de Personalização do Curso

• Para solicitar uma formação personalizada para este curso, por favor entre em contato conosco para agendar.

Este treinamento liderado por instrutor, ao vivo em Brasil (online ou presencial), é voltado para analistas de negócios que desejam automatizar o comércio com negociação algorítmica, Python e R.

Ao final deste treinamento, os participantes serão capazes de:

• Utilizar algoritmos para comprar e vender títulos em incrementos especializados rapidamente.
• Reduzir os custos associados à negociação usando a negociação algorítmica.
• Monitorar automaticamente os preços das ações e realizar negociações.

Inteligência Artificial Aplicada do Zero em Python capacita programadores e analistas de dados com técnicas fundamentais para construir soluções de aprendizado de máquina do zero usando Python. Abrange os princípios básicos de classificação e regressão de aprendizado supervisionado, agrupamento e detecção de anomalias de aprendizado não supervisionado, além de arquiteturas avançadas de redes neurais. Examina métodos comprovados para trabalhar com scikit-learn, Apache Spark MLlib e notebooks Jupyter para o desenvolvimento prático de IA. Ajuda profissionais a implementar modelos de aprendizado de máquina práticos, avaliar as limitações dos algoritmos e realizar projetos aplicados para a resolução de problemas do mundo real.

Esse treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a desenvolvedores de nível intermediário Python que desejam aprimorar sua experiência de desenvolvimento Python usando o AWS Cloud9.

No final deste treinamento, os participantes serão capazes de:

• Configurar e configurar o AWS Cloud9 para o desenvolvimento Python.
• Entenda a interface e os recursos do AWS Cloud9 IDE.
• Escrever, depurar e implantar aplicativos Python no AWS Cloud9.
• Colaborar com outros desenvolvedores usando a plataforma AWS Cloud9.
• Integrar o AWS Cloud9 com outros serviços da AWS para implantações avançadas.

Esta formação guiada por instrutores, ao vivo em Brasil (online ou presencial), é destinada a profissionais de nível avançado que desejam aprofundar seu conhecimento em visão computacional e explorar as capacidades do TensorFlow para desenvolver modelos sofisticados de visão usando o Google Colab.

Ao final deste treinamento, os participantes serão capazes de:

• Construir e treinar redes neurais convolucionais (CNNs) usando TensorFlow.
• Aproveitar o Google Colab para desenvolvimento de modelos escaláveis e eficientes em nuvem.
• Implementar técnicas de pré-processamento de imagens para tarefas de visão computacional.
• Implantar modelos de visão computacional para aplicações do mundo real.
• Usar transfer learning para melhorar o desempenho dos modelos CNNs.
• Visualizar e interpretar os resultados de modelos de classificação de imagens.

Este treinamento liderado por instrutor (online ou presencial) é voltado para cientistas de dados e engenheiros de software que desejam usar o Dask com o ecossistema do Python para construir, escalar e analisar grandes conjuntos de dados.

Ao final deste treinamento, os participantes serão capazes de:

• Configurar o ambiente para começar a processar big data com Dask e Python.
• Explorar as funcionalidades, bibliotecas, ferramentas e APIs disponíveis no Dask.
• Compreender como o Dask acelera a computação paralela em Python.
• Aprender a escalar o ecossistema do Python (Numpy, SciPy e Pandas) usando o Dask.
• Otimizar o ambiente do Dask para manter alto desempenho no processamento de grandes conjuntos de dados.

Este treinamento ao vivo, ministrado por instrutor em Brasil (online ou presencial), é direcionado a desenvolvedores e analistas de dados intermediários que desejam aprimorar suas habilidades em análise e manipulação de dados usando Python, Pandas e NumPy.

No 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.
• Realizar operações avançadas de manipulação, ordenação e filtragem de dados.
• Executar operações agregadas e analisar dados de séries temporais.
• Visualizar dados usando Matplotlib e outras bibliotecas de visualização.
• Depurar e otimizar seu código de análise de dados.

Este treinamento ao vivo, conduzido por instrutor (online ou presencial) em Brasil, é direcionado a cientistas de dados e desenvolvedores intermediários que desejam entender e aplicar técnicas de aprendizado profundo usando o ambiente 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 usando TensorFlow.
• Treinar e avaliar modelos de aprendizado profundo.
• Utilizar recursos avançados do TensorFlow para aprendizado profundo.

Este treinamento liderado por instrutor (online ou presencial) é voltado para desenvolvedores que desejam usar a pilha FARM (FastAPI, React e MongoDB) para construir aplicações web dinâmicas, de alto desempenho e escaláveis.

Ao final deste treinamento, os participantes serão capazes de:

• Configurar o ambiente de desenvolvimento necessário que integra FastAPI, React e MongoDB.
• Compreender os conceitos-chave, recursos e benefícios da pilha FARM.
• Aprender a construir APIs REST com FastAPI.
• Aprender a projetar aplicações interativas com React.
• Desenvolver, testar e implantar aplicações (front end e back end) usando a pilha FARM.

Este treinamento liderado por instrutor (online ou presencial) é destinado a desenvolvedores que desejam usar o 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 desenvolver APIs com Python e FastAPI.
• Criar APIs de maneira mais rápida e fácil 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.
• Criar imagens de contêineres e implantar APIs web em um servidor na nuvem.

Este treinamento presencial conduzido por instrutor em Brasil (online ou no local) destina-se a desenvolvedores e cientistas de dados que desejam usar o Tensorflow 2.x para construir preditores, classificadores, modelos gerativos, redes neurais e outros.

Ao final deste treinamento, os participantes serão capazes de:

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

Este curso começa fornecendo conhecimento conceitual sobre redes neurais e, em geral, sobre algoritmos de aprendizado de máquina, aprendizado profundo (algoritmos e aplicações).

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

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

A Parte 3 (40%) do treinamento será extensivamente baseada no TensorFlow - API da biblioteca de software de código aberto do Google para Aprendizado Profundo. Todos os exemplos e práticas serão realizados usando o TensorFlow.

Público-alvo

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

Após completar este curso, os participantes serão capazes de:

• ter uma boa compreensão sobre redes neurais profundas (DNN), CNN e RNN
• entender a estrutura e os mecanismos de implantação do TensorFlow
• ser capaz de realizar tarefas de instalação, ambiente de produção, arquitetura e configuração
• ser capaz de avaliar a qualidade do código, realizar depuração e monitoramento
• ser capaz de implementar produção avançada como treinamento de modelos, construção de grafos e registro