Programa do Curso

Introdução à IA para Desenvolvimento de Software

  • O que é IA Gênica vs IA Predictiva
  • Aplicações da IA em codificação, análise e automação
  • Visão geral de LLMs (Large Language Models), transformadores e modelos de aprendizado profundo

Codificação Assistida por IA e Desenvolvimento Predictivo

  • Completar e gerar código com IA (GitHub Copilot, CodeGeeX)
  • Prever erros de codificação e vulnerabilidades antes do deploy
  • Automatizar revisões de código e sugestões de otimização

Construindo Modelos Predictivos para Aplicações de Software

  • Compreendendo previsões em séries temporais e análise preditiva
  • Implementando modelos de IA para previsão de demanda e detecção de anomalias
  • Utilizando Python, Scikit-learn e TensorFlow para modelagem preditiva

IA Gênica para Geração de Texto, Código e Imagens

  • Trabalhando com GPT, LLaMA e outros LLMs
  • Gerar dados sintéticos, resumos de texto e documentação
  • Criar imagens e vídeos gerados por IA usando modelos de difusão

Implementando Modelos de IA em Aplicações do Mundo Real

  • Hospedagem de modelos de IA com Hugging Face, AWS e Google Cloud
  • Construir serviços AI baseados em API para aplicações empresariais
  • Ajustar modelos de IA pré-treinados para tarefas específicas do domínio

IA para Insights e Tomada de Decisões Preditivos em Negócios

  • Inteligência empresarial baseada em IA e análise de clientes
  • Prever tendências de mercado e comportamento do consumidor
  • Automatizar otimizações de fluxo de trabalho com IA

AI Ética e Melhores Práticas no Desenvolvimento

  • Considerações éticas na tomada de decisões assistida por IA
  • Detecção de vieses e equidade em modelos de IA
  • Melhores práticas para IA interpretável e responsável

Atividades Práticas e Estudos de Caso

  • Implementando análise preditiva em um conjunto de dados do mundo real
  • Construir um chatbot com geração de texto baseado em IA
  • Deploying an LLM-based application for automation (Não traduzido: Deploying an LLM-based application for automation)

Resumo e Próximos Passos

  • Revisão dos principais aprendizados
  • Ferramentas e recursos de IA para aprendizado contínuo
  • Sessão final de perguntas e respostas

Requisitos

  • Compreensão de conceitos básicos de desenvolvimento de software
  • Experiência com qualquer linguagem de programação (Python recomendado)
  • Familiaridade com fundamentos de aprendizado de máquina ou IA (recomendado, mas não obrigatório)

Público-alvo

  • Desenvolvedores de software
  • Engenheiros de IA/aprendizado de máquina
  • Líderes técnicos de equipes
  • Gerentes de produto interessados em aplicações impulsionadas por IA
 21 Horas

Número de participantes


Preço por Participante

Próximas Formações Provisórias

Categorias Relacionadas