Inteligência Artificial - pecepoli

PRÉ INSCRIÇÃO - Especialização
Inteligência Artificial

Pacman


Dúvidas?
Para maiores informações, por favor, entrar em contato com a nossa Central de Apoio ao Aluno:
Atendimento online: de segunda-feira à sexta-feira, das 08h30 às 20h00.
E-mail: atendimento@pecepoli.com.br

Especialização

Inteligência Artificial

Nesse curso o profissional tem a oportunidade de aprender com detalhes os avanços da inteligência artificial usando "deep-learning".

• Campus
PECE/POLI/USP
• Carga Horária Total
420h
• Duração
22 meses
• 3ª e 5ª feiras
19h30 - 22h30
• Turma
2022
• Início das aulas
22/02/2022

Conteúdo

Estrutura curricular

A carga horária conjunta das duas atividades será de 420 horas aula, composta por 360 horas de disciplinas e 60 horas de atribuídas à monografia. A duração total prevista do curso é de 22 meses.

Em todos os casos as regras ficam sujeitas às diretrizes da Universidade de São Paulo para cursos de especialização que estejam válidas à época.

Monografia

O participante deverá elaborar uma monografia sobre um tema correlato que será avaliada por uma banca de professores.
A supervisão desta atividade ficará a cargo do coordenador do programa.

Disciplinas

Vetores, matrizes e tensores. Operações básicas, normas, determinante, inversa, traço, dependência linear.
Problema de autovalor e autovetor. Decomposição de valor singular.
Números aleatórios.
Distribuições de probabilidade.
Probabilidade condicional. Regra da cadeia da probabilidade condicional.
Curva normal: média, desvio padrão e variância.
Variáveis independentes e não independentes. Covariância.
Teorema de Bayes.
Estatística Bayesiana.
Modelo de Markov, modelo de Markov oculto.
Realização de atividades práticas de programação durante as aulas.

O que é exatamente a inteligência artificial (IA)?
Porque agora?
Perguntas mais frequentes sobre IA.
Como a IA está mudando a indústria e os negócios.
IA e o mercado de trabalho.
Capacidades reais da IA.
Aplicações atuais de IA: chatbots, veículos autônomos, robôs etc.
IA nas grandes empresas de alta tecnologia
Tecnologias associadas à IA.
Estudos de casos de utilização de IA.

Tipos de variáveis de dados.
Comandos de entrada e saída de dados.
Comandos de condição.
Variáveis e expressões booleanas.
Comandos de repetição.
Funções.
Conjunto de dados, strings, listas, dicionários, vetores e matrizes.
Programação orientada a objetos: classe, família, herança, instância.
Pacotes Numpy, Scipy e Matplotlib.
Realização de atividades práticas de programação durante as aulas.

Definição de aprendizado de máquina. Aprendizado supervisionado e não supervisonado.
Regressão e classificação: aproximação de funções, regressão linear, regressão polinomial, regressão logística.
Agrupamento e similaridade: máquinas de vetores de suporte, separadores ótimos, métodos de Kernel, método k-means.
Redução de similaridade: análise de componentes principais (PCA) e suas variações.
Regressão linear Bayesiana, classificadores de Bayes, Bayes ingênuo;
Utilização de práticas eficientes em aprendizado de máquina (teoria de viés, variância, processo de inovação em aprendizado de máquina).
Realização de atividades práticas de programação durante as aulas.

Conceitos básicos e introdução às redes neurais artificiais. Vida artificial, inteligência artificial e redes neurais artificiais. O que são redes neurais artificiais e suas origens. Alguns aspectos históricos.
Treinamento supervisionado e não supervisionado.
Treinamento "Hebbiano" não-supervisionado.
Principais arquiteturas de redes.
Redes "alimentadas-adiante". Perceptrons.
Unidades lineares (ADALINE) e não lineares.
O algoritmo de retro-propagação.
Ajuste de funções e classificação de padrões usando redes neurais artificiais.
Exemplos de aplicações e realização de atividades práticas de programação durante as aulas.

Classificadores tipo árvore, "random forests".
Àrvores de decisão.
Aprendizado competitivo e mapas auto-organizáveis.
Autoencoders.
Máquina de Boltzmann.
Introdução aos algoritmos genéticos.

Configuração, treinamento e uso de redes neurais totalmente conectadas.
Configuração de banco de dados: normalização de dados, dados de treinamento, dados de desenvolvimento e dados de teste.
Inicialização dos parâmetros da rede.
Técnicas de análise dos resultados (bias e variância).
Introdução à plataforma Keras.
Criação, treinamento e avaliação de redes neurais seqüenciais usando o Keras.
Realização durante as aulas de atividades práticas de configuração, treinamento e teste de redes neurais usando a linguagem Python e a plataforma Keras.

Essa disciplina apresenta um aprofundamento dos conceitos vistos na disciplina Redes Deep-Learning e Plataformas de Desenvolvimento I. Nessa disciplina os alunos aprendem técnicas avançadas de otimização de redes "deep-learning" para obter melhores resultados e realizar tarefas complexas. Essa disciplina aprofunda os conhecimentos nas biblioteca Keras e introduz a biblioteca TensorFlow. O Keras e o TensorFlow são as duas principais ferramentas utilizadas na área de "deep-learning". Essas plataformas são amplamente difundidas na área e facilitam muito o desenvolvimento de novas aplicações de aprendizado de máquina. A disciplina se baseia em vários estudos de casos para que os alunos aprendam como aplicar na prática redes "deep-learning" em várias áreas. O objetivo principal dessa disciplina é apresentar essas duas plataformas para que os alunos aprendam como formular, criar e implementar problemas avançados de aprendizado de máquina usando redes neurais "deep-learning" da forma como é realizada na prática. Além disso, essa disciplina ensina como realizar a etapa final de desenvolvimento de um sistema inteligente, que é a sua transformação em um produto comercial realizando o "deploy" da solução.

Fundamentos de redes neurais convolutivas: tipos de camadas ("pooling" e convolutivas) e configurações.
Redes convolutivas clássicas, redes residuais, redes tipo "inception".
Transferência de aprendizado.
Geração automática de dados de aprendizado e teste.
Redes convolutivas tipo "deep-learning".
Utilização de redes convolutivas para identificação e classificação de objetos.
Utilização de redes convolutivas para detecção e localização de objetos.
Utilização de redes convolutivas para detecção e reconhecimento de faces.
Realização de atividades práticas de programação durante as aulas.

Fundamentos de redes neurais recorrentes: tipos e configurações.
Variantes das redes neurais recorrentes: LSTMs, GRUs and bidirecionais.
Processamento de linguagem natural.
Codificação e criação automática de dicionários de palavras.
Aplicação de redes neurais recorrentes para classificação de sentimentos, correção de texto, tradução de texto e reconhecimento de fala.
Eliminação de viés no aprendizado de redes recorrentes.
Mecanismo de atenção para aprimoramento da operação da rede.
Aplicação de redes neurais recorrentes "deep-learning" em "chatbots". Implementação de "chatbots"
Realização de atividades práticas de programação durante as aulas.

Introdução ao aprendizado por reforço. Suas três formas de abordagem: baseado em valor, baseado em modelo e baseado em política.
Processos de decisão de Markov.
Planejamento por programação dinâmica.
Predição livre de modelo.
Controle livre de modelo.
Aproximação de função de valor.
Métodos de gradiente de políticas.
Integração de aprendizado e planejamento.
Exploração e extração.
Aprendizado por reforço usando redes neurais "deep-learning".
Estudo de caso: jogos clássicos.
Realização de atividades práticas de programação durante as aulas.

Aspectos de hardware computacional para desenvolvimento de redes neurais "deep-learning". Programação de gpus e clusters de cpus.
Geração automática de texto usando redes neurais recorrentes.
Transferência de estilo usando redes neurais.
Geração de "arte" (imagens, músicas e textos) usando transferência de estilo.
Autocodificadores variacionais.
Geração de "arte" (imagens, músicas e textos) usando autocodificadores.
Redes adversárias generativas (GAN).
Utilização de GANS para geração de "arte".
Realização de atividades práticas de programação durante as aulas.

Critério Geral de Aprovação e obtenção de certificado USP

Para ser considerado aprovado no Curso “Inteligência Artificial”, e ter direito ao respectivo Certificado de Conclusão, o participante deverá satisfazer todos os seguintes requisitos:

  • ter frequência igual ou superior a 75% (setenta e cinco por cento) em cada uma das disciplinas e atividades;
  • obter nota final igual ou superior a 7,0 (sete) em cada uma das disciplinas. A avaliação em cada disciplina será feita de acordo com o critério previamente estabelecido em cada uma delas, envolvendo provas, trabalhos, etc.;
  • ter se inscrito e realizado na atividade Monografia devendo obter nota final igual ou superior a 7,0 (sete), em avaliação realizada por banca examinadora.
Oferecimento e realização das disciplinas

As disciplinas serão oferecidas nos ciclos do PECE, a critério deste.

ATENÇÃO! - O Programa de Educação Continuada da Escola Politécnica da Universidade de São Paulo (PECE/EPUSP) reserva-se o direito de não realizar este curso, ou modificar sua data.

As redes neurais “deep-learning” (redes profundas) estão se tornando cada vez mais o padrão da inteligência artificial. Atualmente são aplicadas com grande sucesso em entendimento de linguagem, reconhecimento de voz, reconhecimento de imagens, veículos autônomos, games e geração de trabalhos artísticos. Novos produtos estão sendo lançados a cada dia usando essa tecnologia, tais como: tradutor em tempo real, diagnóstico médico, reconhecimento de pessoas pela face, detecção e localização de objetos etc. Como resultado desse avanço, o conhecimento de “deep-learning” é um requisito obrigatório para quem deseja inovar e atua na área de TI, além de ser uma grande vantagem na indústria de informática.  Nesse curso o profissional tem a oportunidade de aprender com detalhes os avanços da inteligência artificial usando “deep-learning”.

Objetivo

Esse curso tem por objetivo apresentar a teoria e prática de inteligência artificial focalizando na técnica de “deep-learning”, uma nova área da inteligência artificial baseada em redes neurais artificiais, que tem se mostrado altamente promissora e cujos resultados têm sido extraordinários.

Público-alvo

Este curso de Especialização destina-se a empresários, executivos, engenheiros, tecnólogos e outros profissionais de nível superior.

Local & horário realização do curso

As aulas serão realizadas na Escola Politécnica da Universidade de São Paulo, de segundas, terças e quintas-feiras, das 19h30 às 23h30.

É possível que as primeiras disciplinas sejam realizadas na modalidade a distância, forma síncrona, enquanto perdurarem as restrições de acesso ao espaço físico da USP – Universidade de São Paulo, devido a pandemia Nova COVID-19.

ATENÇÃO! - O Programa de Educação Continuada da Escola Politécnica da Universidade de São Paulo (PECE/EPUSP) reserva-se o direito de não realizar este curso, ou modificar sua data.

O curso tem em seu corpo docente professores doutores da Escola Politécnica da Universidade de São Paulo. A coordenação acadêmica está a cargo da Profa. Dra. Larissa Driemeier e Prof. Dr. Thiago de Castro Martins.

Docentes USP e Docentes Colaboradores:

Profa. Dra. Larissa Driemeier
Prof. Dr. Marcos Fernando Lopes
Prof. Dr. Thiago de Castro Martins

Especialistas Externos:

Prof. Dr. Eduardo Lobo Lustosa Cabral
Profa. Dra. Geisa Martins Faustino
Prof. MSc. João Paulo Peçanha Navarro de Oliveira
Profa. Dra. Patrícia Cordeiro Pereira Pampanelli

ATENÇÃO! - O Programa de Educação Continuada da Escola Politécnica da Universidade de São Paulo (PECE/EPUSP) reserva-se o direito de não realizar este curso, ou modificar sua data.

O investimento desde Curso é de:

Valor total de R$ 27.610,00 ou em 22 parcelas mensais e consecutivas de R$ 1.255,00.

Pagamento à vista tem 5% de desconto.

Para maiores informações, por favor, entrar em contato com a nossa Central de Apoio ao Aluno:
Atendimento online:  de segunda-feira à sexta-feira, das 08h30 às 20h00.
E-mail: atendimento@pecepoli.com.br.

ATENÇÃO! - O Programa de Educação Continuada da Escola Politécnica da Universidade de São Paulo (PECE/EPUSP) reserva-se o direito de não realizar este curso, ou modificar sua data.

Processo seletivo
1. O interessado em participar do Processo Seletivo deste curso deverá proceder da seguinte forma:
a) Preencher a Ficha de Inscrição;
b) Efetuar o pagamento da taxa de inscrição no valor de R$ 150,00 (cento e cinquenta reais), através de boleto bancário. O boleto bancário será enviado automaticamente para sua caixa postal logo após o preenchimento e envio da ficha de inscrição. O valor da taxa será abatido na 2ª parcela do Curso.
2. Seleção:
A seleção será feita com base nas informações fornecidas pelo interessado na “Ficha de Inscrição”.
Caso o interessado seja aprovado, receberá e-mail do Centro de Apoio ao Aluno, com instruções para efetivar sua matrícula.
Lembrando que, a participação no processo seletivo só será possível com a confirmação do pagamento da taxa de inscrição.

Datas de inscrição e matrícula
Inscrições: até 29/11/2021.
Entrevista: não há.
Resultado: por e-mail ou telefone.
Matrículas: de 06 a 10/12/2021.
Início das Aulas: a partir de 22/02/2022.

Matrícula no curso
Para matricular-se neste curso o interessado deve ter sido aprovado no respectivo Processo Seletivo.
O inscrito que for aprovado no Processo Seletivo, deverá nos apresentar no ato da matrícula, uma cópia simples (que será retida ) e original dos seguintes documentos:
a) CPF;
b) RG;
c) Diploma do curso superior;
d) Comprovante de residência;
e) 01 foto 3X4 recente;
f) Termo de compromisso de pagamento das parcelas financeiras referentes ao valor de investimento do curso.

A efetivação da sua matrícula deverá ser devidamente confirmada pelo Centro de Apoio ao Aluno.
A matrícula somente será considerada efetuada mediante o nosso recebimento de todos os documentos necessários acima mencionados.

ATENÇÃO! - O Programa de Educação Continuada da Escola Politécnica da Universidade de São Paulo (PECE/EPUSP) reserva-se o direito de não realizar este curso, ou modificar sua data.

Certificação USP


Para que o aluno conquiste o certificado do curso de Inteligência Artificial, emitido oficialmente pela Universidade de São Paulo, deverá ser aprovado em todas as disciplinas do curso, com nota mínima de 7,0 e presença acima ou igual a 75%, assim como a aprovação da sua monografia pela banca examinadora.

Certificado USP

Processo de inscrição

Para realizar a inscrição e participar do Processo Seletivo o candidato deverá proceder da seguinte forma:

PRÉ-REQUESITOS

Espera-se dos candidatos, sólida formação superior, conhecimentos básicos de inglês e experiência profissional.

PAGAMENTO

Efetue o pagamento da taxa de inscrição no valor de R$ 150,00 (Cento e cinquenta reais), por meio de boleto bancário, enviado automaticamente para o e-mail cadastrado.

O valor da taxa será abatido na 2ª parcela do curso. Caso o candidato não seja aprovado, esse valor não será devolvido.

SELEÇÃO

A seleção será feita com base nas informações fornecidas pelo interessado na “Ficha de Inscrição”. Caso o interessado seja aprovado, receberá e-mail do Centro de Apoio ao Aluno, com instruções para efetivar sua matrícula.

Só será possível participar do processo seletivo, após a confirmação do pagamento da taxa de inscrição.

ATENÇÃO! - O Programa de Educação Continuada da Escola Politécnica da Universidade de São Paulo - PECE/EPUSP reserva-se o direito de não realizar este curso, ou modificar sua data.

Estrutura
de qualidade

Histórias de Sucesso

Torne-se um líder produtivo no mercado.