Aprendizado de Máquina (Machine Learning)

Pós-Graduação EAD

Protagonismo em Ação

A história inspiradora de sucesso da sua vida começa aqui

▶
▶
▶


Apresentação

Atualmente é comum, em notícias ou na mídia em geral, ver discursos sobre como o aprendizado de máquina ou a inteligência artificial estão criando soluções para os mais diversos problemas da sociedade. Por exemplo, sistemas de detecção de tumores ou câncer, qualidade de bebidas, detecção de objetos, reconhecimento de faces etc. No entanto, poucos sabem o que realmente é um sistema de aprendizado de máquina ou o que é uma rede neural. O conteúdo do curso apresenta ao aluno todas essas noções básicas e mostra, também, as principais técnicas de aprendizado de máquina em um nível de pós-graduação.

Objetivos:
Especializar profissionais para que estejam aptos a atuar no mercado de tecnologia da informação, tomada de decisão, inteligência artificial e processamento de dados, com o embasamento teórico e prático necessário para enfrentar os constantes desafios de um mundo cada vez mais dependente dos computadores.

- Caracterizar o que é o aprendizado de máquina e suas peculiaridades. 

- Entender a relação entre o aprendizado de máquina e a inteligência artificial. 

- Apresentar as ferramentas para operar com banco de dados, acessar os dados, visualizar dados, manipular dados e extrair modelos. 

- Apresentar os diferentes tipos de aprendizado de máquina: aprendizado supervisionado e não supervisionado. 

- Reconhecer as principais redes neurais artificiais, entre elas as redes densas e as redes de convolução.  

Público-Alvo:
Profissionais graduados nas mais diversas áreas do conhecimento, como as engenharias, as áreas de tecnologias da informação, exatas, humanas e biológicas, que queiram adquirir conhecimentos para a resolução de problema que envolvem classificação, tomada de decisão, modelagem e processamento de dados. 

Formato do curso:
Conteúdo 100% on-line.
Aulas Gravadas.
Materiais das aulas disponíveis para download.
Inicie o curso em até 7 dias após a confirmação da sua matrícula. 

Viva a Experiência CENSUPEG

Zairelusa Napar

Aluna CENSUPEG

Estudar na CENSUPEG, com certeza foi uma das melhores escolhas da minha vida, ela é completa... Profissionais nota 10!!! Sigo feliz e realizada em busca do meu grande sonho, que é me formar na melhor faculdade.

Iago Nunes Lentz

Aluno CENSUPEG

A Faculdade Censupeg dispõe de profissionais de alta qualificação e muita empatia. Tenho certeza que terei um ótimo suporte para continuar minha caminhada, que será intensa e cheia de aprendizado. Por aqui, aprendemos fazendo, se divertindo e procurando dentro de nós, formas para fazermos o melhor pela educação.

Júnia Coelho

Aluna CENSUPEG

Estar cursando o ensino superior é um sonho que está se realizando, tenho muito orgulho de estar neste caminho. A palavra que mais define tanto a CENSUPEG, quanto o curso que escolhi é amor. A professora é uma pessoa iluminada, inspiradora e uma excelente profissional, sempre tira minhas dúvidas e torna as aulas mais leves e divertidas. Enfim, só tenho a agradecer por fazer parte deste time, sinto-me realizada por ter escolhido a melhor faculdade, que faz me apaixonar cada dia mais pela minha nova área de atuação.

Disciplinas

  • Conceitos básicos para a programação em Python. O que é a linguagem Python e como são os ambientes de desenvolvimento da linguagem. Conceitos sobre como são criados os algoritmos na linguagem Python. Criação de funções e classes na linguagem Python.
  • Como as variáveis são utilizadas na linguagem Python. Operações matemáticas básicas. Operações com vetores e matrizes.
  • Entrada de dados na forma de arquivos como o .txt, .csv e de Excel. Como organizar dados em forma de tabela para melhor compreensão das informações.
  • Conceito de banco de dados. Principais tipos de bancos de dados. Bancos de dados não relacionais.
  • Estatística descritiva. Correlação e normalização dos dados. Principais extensões do Python.
  • Fundamentos da programação distribuída. Paralelismo. Exemplificação das operações nos núcleos Cuda.
  • Inteligência artificial. Diferentes técnicas que compõem a inteligência artificial. Aprendizado de máquina. Técnicas para gerar e avaliar modelos de aprendizado de máquina.
  • Modelos de aprendizado de máquina supervisionados. Naive bayers. Máquina de vetor de suporte. Árvore de decisão.
  • Modelos de aprendizado supervisionados. kNN. Modelos não supervisionados. k-means. Análise de componentes principais.
  • Redes neurais artificias. Redes perceptron e perceptron de múltiplas camadas. Aplicação dessas redes em problemas reais. Como ocorre o treinamento da rede.
  • Rede de convolução. Processamento digital de imagens. Criação de imagens. Extração de características. Comparação da rede de convolução em relação à rede densa. Camadas que compõem a rede de convolução.
  • Conjunto de redes neurais artificiais com diferentes arquiteturas. Rede de Kohonen. Redes temporais de Elman e Jordan. Redes do tipo LSTM.