Machine Learning e IA

O Ensino Superior no Brasil. A Universidade na Sociedade. Legislação da Educação Superior. A Prática Docente no Contexto da LDB (Lei n.º 9.394/96). As Teorias Pedagógicas. A Didática: definição e importância no ensino superior. Planejamento do ensino. Elaboração de planos de Ensino e Prática Docente. Avaliação Educacional. Ambiente Virtual de Aprendizagem e Tecnologias para o Ensino. Interações em Sala de Aula EAD e Presencial: O Papel dos Professores e dos Alunos.

Conceitos de Ciência; Método Científico; Hipóteses; Variáveis; Probabilidade; Validade; Fidedignidade; Amostragem; Delineamentos De Pesquisa; Metodologia Qualitativa e Quantitativa; Aplicação de Questionário em Pesquisas; Caracterização da Linguagem Científica e do Sistema de Produção Científico; Elaboração de Pesquisa Acadêmico-Científica; Ética na Pesquisa; Técnicas de Apresentação. Resumo Científico; Artigo Científico; Ficha Catalográfica, Pré Projeto de Pesquisa, Resenha, Relatórios de Pesquisa, Fichamento.

O emprego do futuro; Habilidades do profissional do futuro: Flexibilidade cognitiva, Negociação, Orientação para servir, Julgamento e tomada de decisões, Autocontrole e Inteligência emocional, Coordenação com os outros, Gestão de pessoas, Criatividade e Visão inovadora, Pensamento Critico, Resolução de problemas, Busca constante de conhecimento, Liderança pelo exemplo, Conexões interpessoais, Determinação e Flexibilidade, Assumindo Riscos, Investimento de recursos; Proatividade; Planejamento estratégico; Gestão do Tempo; Gestão de Recursos Pessoais; Gestão do conhecimento; Gestão motivacional.

O que é transformação digital?; Quais são as tendências da transformação digital?; Inteligência Artificial: trabalha com a criação de máquinas inteligentes que executam funções de maneira semelhante aos humanos; Realidade Virtual: cria uma situação similar à real usando artifícios digitais e tecnológicos; Business Intelligence: a utilização de informações e dados para gerar inteligência que pode ser aplicada na tomada de decisão de um negócio; Automação de Marketing: usa a tecnologia para diminuir o trabalho manual e garantir a assertividade das ações de marketing de uma empresa; Data Science: a ciência que analisa os dados para possibilitar decisões mais assertivas; Como a transformação digital afeta sua carreira?; Como se preparar profissionalmente?; Estude muito; Pense no cliente; Conheça seus concorrentes; Analise seus dados; Crie propostas de valor; Tente inovar; Como a revolução digital influencia na escolha da carreira?; Carreiras digitais: minha profissão vai morrer?

Cognitivismo: teoria computacional da mente. Arquitetura de sistemas cognitivos. Cognição como processamento de informação. Modelagem de Sistemas Cognitivos. Conceito de Ciência da Informação. Aspectos históricos e epistemológicos da ciência da informação na computação. Métodos de investigação na Ciência da Informação.

Introdução ao aprendizado de máquina. Técnicas (algoritmos) e ferramentas de Machine Learning e suas aplicações; Tipos de aprendizado. Paradigmas de aprendizado. Avaliação experimental de algoritmos de Aprendizado de Máquina e Inteligência Artificial. Algoritmos de Aprendizado de Máquina. Aplicações em problemas de natureza científica e tecnológica.

Cálculo de probabilidades por simulação aplicados no Machine Learning. Resolução numérica de sistemas de equações lineares. Solução de equações não-lineares. Processos de Poisson. Cadeias de Markov a tempo discreto: classificação de estados, probabilidade limite e aplicações em sistemas de filas.

Compreender e aplicar os fundamentos da linguagem R em aplicações e scripts. Manipular dados utilizando os principais pacotes estatísticos e ferramentas de análise de dados. Criação de modelos estatísticos com programação. Manipulação de dados utilizando os principais pacotes estatísticos e ferramentas de análise de dados.

Técnicas de aprendizado de máquina em visão computacional. Manipulação de reconhecimento facial, reconhecimento de objetos em imagens. Redes neurais convolucionais e aprendizado profundo aplicados a problemas de visão computacional. Problemas comuns em visão computacional: segmentação de imagens, classificação de imagens, detecção e reconhecimento de objetos em imagens.

Conceitos do Processamento de linguagem natural. Funcionamento dos principais métodos e principais ambientes para implantação. Desenvolvimento que permitam a análise de cases de negócios que envolvem textos decompondo-os em técnicas e ferramentas. Processamento de Linguagem Natural (NLP). Estrutura e sintaxe da linguagem. Processamento de Textos. Implementação em Plataformas.

Introdução a Data Storytelling. Porque Usar Data Storytelling?. Como criar histórias. Exemplos Práticos de Data Storytelling. Apresentação Visual. Tipos de Dados e Gráficos. Tipos de Representações para Evitar. Princípios da Percepção Visual. Como elaborar e contar uma história. Conceitos Tradicionais de Design. Casos de Estudo. Dicas e Boas Práticas para Data Storytelling.

Introdução e visão geral do processo de machine learning. Principais aplicações. Algoritmos de aprendizado. Capacidade, overfitting e underfitting. Hiperparâmetros e validação. Visão geral de estatística e estimativas. Modelos supervisionados. Modelos não supervisionados. Método do gradiente descendente. Construindo o algoritmo e motivacionais