Pós-Graduação
MIT em Inteligência Artificial, Machine Learning e Deep Learning

Python, Tensorflow, Jupyter, Elastic Search, Pandas, NLP, Scikit-learn, Redes Neurais, AutoML, Dash, Clusterização, SVM

Atualize-se e domine os novos paradigmas apresentados pela Inteligência Artificial (IA) e Machine Learning.

Esta pós aborda as competências atuais da área, como: Engenharia de Machine Learning, Processamento em tempo real, Redes Neurais, Deep Learning usando Tensor Flow e a linguagem Python.

Matriz Curricular

Representação de inteligência artificial

Algoritmos Supervisionados para Classificação

  • Entender regressão linear logística e aplicar para problemas específicos
  • Entender a diferença de regressão e classificação e compreender a motivação de utilizar algoritmos supervisionados
  • Utilizar a metodologia K-Folds de validação cruzada.
  • Desenvolver um treino supervisionado usando árvores de decisões
  • Desenvolver um treino supervisionado usando SVM
  • Construir uma solução que aplica um modelo elaborado em uma base de dadosde dados.

Visualização e Classificadores de Dados em Tempo Real

  • Desenvolver um sistema de coleta de dados usando API públicas
  • Disponibilizar um ambiente de Redis para criar uma solução de streaming de dados
  • Preparar um modelo previamente treinado para uma solução de streaming de dados
  • Criar uma visualização de dados em tempo real usando a ferramenta Plot.ly
  • Criar um dashboard baseado em Dash (Python)
  • Estabelecer uma metodologia de como atualizar o modelo empregado em produção.

Projeto de Bloco

Desenvolvimento de uma ferramenta de análise de sentimentos em tempo real (para mídias sociais ou atendimento a clientes).

Mineração de Texto com Stack ELK

  • Entender o pipeline do Stack da Elastic
  • Compreender o que são shards.
  • Gerenciar logs de operação usando LogStash
  • Executar MLT Queries na base do ES
  • Desenvolver um classificador de categorias de texto usando a base de dados “The 20 newsgroup dataset”
  • Desenvolver um sistema de recomendação utilizando queries MLT.

Processamento de Linguagem Natural com Python

  • Instalar a biblioteca NLTK
  • Implementar técnicas de lematização usando a biblioteca NLTK
  • Identificar Base de Dados de Interesse e acessá-los usando Python
  • Instalar a biblioteca Space
  • Construir um modelo de reconhecimento de entidades (NER) usando Spacy
  • Desenvolver pacotes de modelos e disponibilizá-los em ambiente de produção.

Projeto de Bloco

Extração automática de entidades (pessoas, organizações, lugares) presentes em bases textuais (ex: textos jurídicos ou jornalísticos)

Redes Neurais com TensorFlow

  • Identificar as diferentes camadas de uma Rede Neural Artificial
  • Compreender as diferentes arquiteturas de Redes Neurais
  • Criar um modelo de reconhecimento de dígitos numéricos
  • Treinar usando o algoritmo de rede backpropagation em Python
  • Compreender as diferentes funções de ativação
  • Implementar o modelo em um cenário de produção com uma base de imagens.

Deep Learning com TensorFlow

  • Compreender a utilização de redes profundas
  • Compreender a utilização de modelos pré-treinados de redes profundas
  • Utilizar uma rede com o modelo convulacional usando bases de imagens usando TensorFlow
  • Utilizar uma rede LSTM em uma base textual para produzir conteúdo usando TensorFlow
  • Utilizar uma rede DPN para gerar imagens usando TensorFlow
  • Implementar modelos para cenários de operação diversos.

Projeto de Bloco

Criação de chatbots ou processamento de imagens com redes neurais e deep learning usando o Framework de Python TensorFlow.

Algoritmos Não-Supervisionados para Clusterização

  • Instalar Scikit-Learn usando um ambiente de Virtualenv.
  • Explicar a motivação de usar algoritmos não-supervisionadas
  • Explicar diferentes tipos de algoritmos de clusterização
  • Escolher a técnica mais adequada de clusterização para diferentes problemas
  • Aplicar os algoritmos de K-Means e HCluster em dados reais
  • Aplicar o algoritmo de DBScan em dados reais.

Validação de Modelos de Clusterização

  • Compreender as medidas de distâncias: Euclideana, Cosseno e Manhantan
  • Compreender a distância baseada na Correlação de Pearson
  • Aplicar distâncias inter-clusters e intra-clusters
  • Aplicar a medida de sillhueta para problemas complexos usando a implementação de Scikit-Learn
  • Entender as limitações da medida de silhueta
  • Utilizar o algoritmo de vizinhos mais próximos (KNN) em Python para avaliação de clusters.


Projeto de Bloco

Criação de um modelo de clusterização de dados para realizar a análise de risco de crédito ou identificar tipos de tráfego de rede.

Algoritmos Supervisionados para Classificação

  • Entender regressão linear logística e aplicar para problemas específicos
  • Entender a diferença de regressão e classificação e compreender a motivação de utilizar algoritmos supervisionados
  • Utilizar a metodologia K-Folds de validação cruzada
  • Desenvolver um treino supervisionado usando árvores de decisões
  • Desenvolver um treino supervisionado usando SVM
  • Construir uma solução que aplica um modelo elaborado em uma base de dados

 

Visualização e Classificadores de Dados em Tempo Real

  • Desenvolver um sistema de coleta de dados usando API públicas
  • Disponibilizar um ambiente de Redis para criar uma solução de streaming de dados
  • Preparar um modelo previamente treinado para uma solução de streaming de dados
  • Criar uma visualização de dados em tempo real usando a ferramenta Plot.ly
  • Criar um dashboard baseado em Dash (Python)
  • Estabelecer uma metodologia de como atualizar o modelo empregado em produção

 

Projeto de Bloco

Desenvolvimento de uma ferramenta de análise de sentimentos em tempo real (para mídias sociais ou atendimento a clientes).

Mineração de Texto com Stack ELK

  • Entender o pipeline do Stack da Elastic
  • Compreender o que são shards
  • Gerenciar logs de operação usando LogStash
  • Executar MLT Queries na base do ES
  • Desenvolver um classificador de categorias de texto usando a base de dados “The 20 newsgroup dataset”
  • Desenvolver um sistema de recomendação utilizando queries MLT

 

Processamento de Linguagem Natural com Python

  • Instalar a biblioteca NLTK
  • Implementar técnicas de lematização usando a biblioteca NLTK
  • Identificar Base de Dados de Interesse e acessá-los usando Python
  • Instalar a biblioteca Space
  • Construir um modelo de reconhecimento de entidades (NER) usando Spacy
  • Desenvolver pacotes de modelos e disponibilizá-los em ambiente de produção

 

Projeto de Bloco

Extração automática de entidades (pessoas, organizações, lugares) presentes em bases textuais (ex: textos jurídicos ou jornalísticos).

Redes Neurais com TensorFlow

  • Identificar as diferentes camadas de uma Rede Neural Artificial
  • Compreender as diferentes arquiteturas de Redes Neurais
  • Criar um modelo de reconhecimento de dígitos numéricos
  • Treinar usando o algoritmo de rede backpropagation em Python
  • Compreender as diferentes funções de ativação
  • Implementar o modelo em um cenário de produção com uma base de imagens

 

Deep Learning com TensorFlow

  • Compreender a utilização de redes profundas
  • Compreender a utilização de modelos pré-treinados de redes profundas
  • Utilizar uma rede com o modelo convulacional usando bases de imagens usando TensorFlow
  • Utilizar uma rede LSTM em uma base textual para produzir conteúdo usando TensorFlow
  • Utilizar uma rede DPN para gerar imagens usando TensorFlow
  • Implementar modelos para cenários de operação diversos

 

Projeto de Bloco

Criação de chatbots ou processamento de imagens com redes neurais e deep learning usando o Framework de Python TensorFlow.

Algoritmos Não-Supervisionados para Clusterização

  • Instalar Scikit-Learn usando um ambiente de Virtualenv
  • Explicar a motivação de usar algoritmos não-supervisionadas
  • Explicar diferentes tipos de algoritmos de clusterização
  • Escolher a técnica mais adequada de clusterização para diferentes problemas
  • Aplicar os algoritmos de K-Means e HCluster em dados reais
  • Aplicar o algoritmo de DBScan em dados reais

 

Validação de Modelos de Clusterização

  • Compreender as medidas de distâncias: Euclideana, Cosseno e Manhantan
  • Compreender a distância baseada na Correlação de Pearson
  • Aplicar distâncias inter-clusters e intra-clusters
  • Aplicar a medida de sillhueta para problemas complexos usando a implementação de Scikit-Learn
  • Entender as limitações da medida de silhueta
  • Utilizar o algoritmo de vizinhos mais próximos (KNN) em Python para avaliação de clusters

 

Projeto de Bloco

Criação de um modelo de clusterização de dados para realizar a análise de risco de crédito ou identificar tipos de tráfego de rede.

Perguntas Frequentes

A Pós-Graduação é composta por blocos de aprendizado, totalizando 480 horas de aulas e atividades de aprendizagem. Ao término de cada bloco, o aluno consolida seu aprendizado apresentando um Projeto de Bloco, aplicando os conhecimentos promovidos no período.

É graduado na área de TI e pretende atuar em projetos que utilizam Inteligência Artificial.

Busca atualizar-se em relação aos novos paradigmas apresentados pelas técnicas de Machine Learning.

Deseja capacitar-se para gerir projetos relacionados Augmented Analytics (Business Analytics + Machine Learning).

Graduação relacionada à Tecnologia da Informação. Já ter trabalhado com programação, e dominar ou ser capaz de aprender sozinho a linguagem Python. Inglês técnico para leitura.

A Pós-Graduação é composta por blocos de aprendizado, totalizando 480 horas de aulas e atividades de aprendizagem. Ao término de cada bloco, o aluno consolida seu aprendizado apresentando um Projeto de Bloco, aplicando os conhecimentos promovidos no período.

É graduado na área de TI e pretende atuar em projetos que utilizam Inteligência Artificial.

Busca atualizar-se em relação aos novos paradigmas apresentados pelas técnicas de Machine Learning.

Deseja capacitar-se para gerir projetos relacionados Augmented Analytics (Business Analytics + Machine Learning).

Graduação relacionada à Tecnologia da Informação. Já ter trabalhado com programação, e dominar ou ser capaz de aprender sozinho a linguagem Python. Inglês técnico para leitura.

Coordenador

Fernando Ferreira

Coordena o MBA, que é ministrado por professores do quadro permanente do Instituto Infnet e especialistas convidados para disciplinas específicas.

Prof. Fernando é um dos pioneiros em Inteligência Artificial e Deep Learning no Brasil, professor e coordenador da pós-graduação desde seu início. É doutor em Inteligência Artificial pela Coppe/UFRJ e mestre em Engenharia Elétrica. Atua hoje diretamente no mercado, sendo co-fundador da Twist Systems.

Temas abordados

Uma escola inteira para você

A Escola de Tecnologia da Informação (ESTI) do Instituto Infnet é exclusiva para cursos área, com salas e Labs virtuais que garantem o aprendizado máximo do aluno. Nossas Pós são baseadas nas exigências do mercado e incentivam a especialização profissional do docente na área.

Único

Aprendizado 100% Prático

Todas as aulas ministradas em laboratório com uma workstation por aluno, para que coloquem em prática na hora as ferramentas que aprendem.

Presencial, mas também com aulas transmitidas e gravadas

Aqui, você não perde o conteúdo. As aulas também são transmitidas online e ficam gravadas em nossa plataforma.

Infraestrutura

Nossos campus são projetados com ambientes de estudo equipados e preparados para o aluno ter o máximo de foco, conforto e rendimento.

TECNOLOGIA DE ALTA DEMANDA

Domínio da linguagem Python, a mais usada para inteligência artificial e machine learning.

Imersão ao mercado

Você irá participar de palestras e eventos com empregadores a respeito dos assuntos mais atuais da área, garantindo um real contato com profissionais atuantes.

Conteúdo extenso e que aprofunda

Dois anos de estudos permitem mais conteúdo e um aprofundamento único para uma pós-graduação.

VOLTADO PARA DESENVOLVEDORES

Nosso conteúdo aprofunda nos novos paradigmas apresentados pelas técnicas de IA e Machine Learning.

Biblioteca Digital

Acesso à biblioteca digital com mais de 35 mil títulos

Portfólio

Ao longo do curso você cria seu portfólio profissional de Desenvolvimento de softwares com inteligência artificial e machine learning.

Carreiras e Competências

Torne-se apto para atuar como Engenheiro de ML (Machine Learning Engineer), Desenvolvedor de BI (Business Intelligence Developer), Pesquisador em AI (AI Research Scientist) ou Engenheiro/Arquiteto de Big Data (Big Data Engineer/Architect).

Faça o download do folder da Pós-Graduação MIT em Big Data:

Impulsione sua carreira

Trabalhando num mercado em alta

Neste período de reclusão social, o Marketing Digital reafirmou seu papel crucial para a saúde das empresas. Muitos negócios tiveram que se adaptar à nova realidade para continuarem a funcionar e ter sucesso em seus meios.

Por isso, a demanda de profissionais da área para orientar as vendas e serviços do mundo online vem crescendo muito. Aliadas a recuperação gradual da economia a nível mundial, as oportunidades de atuação do Marketing Digital são diversas e promissoras.

Em alta

A pesquisa "Empregos em Alta no Brasil 2021", realizada pelo Linkedin, classificou ''profissionais do Marketing Digital", "autônomos de conteúdo digital" e "especialistas em E-commerce" como três das 15 profissões mais importantes

Sem fronteiras

Uma das vantagens da área é a possibilidade de atuação remota. Acentuada pela pandemia, o trabalho a distância permite novas opções de emprego tanto em território nacional, quanto internacional

Variedade

As estratégias de comunicação e vendas online requerem diferentes tipos de funções e ações para serem implementadas. Por isso, as profissões do campo Digital são bem variadas, formando um leque grande para o profissional da área atuar

Depoimentos de alunos da ESTI

Tire suas dúvidas sobre o ensino do Instituto Infnet

O Infnet é a melhor faculdade de tecnologia do Rio de Janeiro. Foi fundado em 1994, para o ensino de excelência voltado às necessidades do mercado, e tornou-se referência nesse segmento. A proposta do Instituto é ensinar tecnologia aplicada ao contexto de negócios, isto é, como uma ferramenta para o desenvolvimento das organizações.

São profissionais que trabalham na área em que lecionam, recrutados dentre os melhores profissionais em empresas como Petrobras, White Martins, Stone, Globo, Dataprev, Eletrobras Furnas, Ágora, BNDES, Amil e Accenture. O Instituto Infnet acredita que só quem trabalha no setor é capaz de ministrar aulas conectadas com o mercado. Além disso, em sua maioria, possuem mestrado ou doutorado e as certificações cobertas no programa.

Só existe uma forma transparente e objetiva de indicar o que o aluno domina ao final de um curso: uma lista de competências.

“Competência” é algo que você sabe realizar ou resolver. Ao final da pós-graduação, você terá um conjunto de novas competências para aplicar em seu trabalho.

Sim, o programa de um curso de pós-graduação é dinâmico e suas disciplinas, competências e estrutura podem ser modificadas pela instituição. Há várias razões para um curso sofrer alterações: mudanças na tecnologia, mudanças no mercado, evolução das certificações, aprendizados da instituição, ajustes no modelo de ensino, demandas do corpo discente, feedback dos docentes e outras.

Você terá que fazê-la novamente (a mesma ou uma disciplina similar, indicada pela instituição).

O Infnet é a melhor faculdade de tecnologia do Rio de Janeiro. Foi fundado em 1994, para o ensino de excelência voltado às necessidades do mercado, e tornou-se referência nesse segmento. A proposta do Instituto é ensinar tecnologia aplicada ao contexto de negócios, isto é, como uma ferramenta para o desenvolvimento das organizações.

São profissionais que trabalham na área em que lecionam, recrutados dentre os melhores profissionais em empresas como Petrobras, White Martins, Stone, Globo, Dataprev, Eletrobras Furnas, Ágora, BNDES, Amil e Accenture. O Instituto Infnet acredita que só quem trabalha no setor é capaz de ministrar aulas conectadas com o mercado. Além disso, em sua maioria, possuem mestrado ou doutorado e as certificações cobertas no programa.

Só existe uma forma transparente e objetiva de indicar o que o aluno domina ao final de um curso: uma lista de competências.

“Competência” é algo que você sabe realizar ou resolver. Ao final da pós-graduação, você terá um conjunto de novas competências para aplicar em seu trabalho.

Sim, o programa de um curso de pós-graduação é dinâmico e suas disciplinas, competências e estrutura podem ser modificadas pela instituição. Há várias razões para um curso sofrer alterações: mudanças na tecnologia, mudanças no mercado, evolução das certificações, aprendizados da instituição, ajustes no modelo de ensino, demandas do corpo discente, feedback dos docentes e outras.

Você terá que fazê-la novamente (a mesma ou uma disciplina similar, indicada pela instituição).

Fale conosco!

Saiba tudo sobre as informações, admissão e valores do curso no chat abaixo. Você pode iniciar uma conversa conosco e tirar suas dúvidas!