IA Aplicada Especialização · UFPR / SEPT

O curso

Capacitar profissionais na área de Inteligência Artificial, nas tecnologias e técnicas usadas hoje e nos fundamentos que as sustentam: dados, estatística, aprendizado de máquina, ética e gestão.

Objetivos

  • Apresentar a área de Inteligência Artificial e capacitar o aluno a tratar dados de forma consciente para uso em IA.
  • Aplicar técnicas de IA à análise de dados e formar em arquitetura de dados.
  • Desenvolver a capacidade de discernir entre técnicas de IA e escolher a adequada a cada problema.
  • Apresentar os frameworks atuais e as práticas e inovações mais recentes da área.
  • Aplicar os conhecimentos na resolução de casos práticos, em atividades que desenvolvam comunicação e trabalho em grupo.
  • Favorecer o empreendedorismo e permitir estágio nas áreas de informática, ciência de dados e IA.

Para quem

Profissionais graduados, em qualquer área, que atuam ou têm interesse em atuar com Inteligência Artificial.

O curso é pensado para quem trabalha: as aulas são gravadas e liberadas quinzenalmente, os encontros ao vivo acontecem aos sábados pela manhã e a dedicação prevista é de 6 a 8 horas por semana.

Não basta uma capacitação em um recorte da IA. O curso oferece conhecimentos interligados, para que o profissional consiga discernir e aplicar as melhores técnicas e processos ao negócio.

Disciplinas e ementas

Quinze disciplinas de 24 horas/aula, liberadas em sequência a cada duas semanas. Abra cada uma para ver a ementa.

IAA001Introdução à Inteligência ArtificialProf. Dr. Razer Anthom Nizer Rojas Montaño24 h

Histórico e princípios da Inteligência Artificial. Resolução de problemas. Busca cega. Busca heurística. Busca competitiva. Problemas de satisfação de restrições. Conhecimento e raciocínio. Lógica e planejamento. Aprendizado de máquina. Aplicações da IA.

IAA002Linguagem de Programação AplicadaProfa. Dra. Luani Rosa de Oliveira Piva24 h

Programação em Python. Atribuições, operações e expressões. Controle de fluxo e repetições. Funções. Tipos de dados básicos. Listas, dicionários, conjuntos e tuplas. List comprehensions. Módulos. Instalação e configuração de ambiente de desenvolvimento. NumPy, Pandas e scikit-learn. Aplicação da linguagem Python em problemas de Inteligência Artificial com diferentes modelos e estratégias de aprendizado de máquina.

IAA003Introdução à Ciência de DadosProf. Dr. Arno Paulo Schmitz24 h

Panorama da Ciência de Dados: definição, importância e aplicações. Etapas do processo de ciência de dados: aquisição, tratamento, análise e comunicação dos dados. Manipulação de dados com bibliotecas e ferramentas. Visualização de dados com foco em comunicação eficaz. Introdução à modelagem preditiva. Estudo de casos práticos.

IAA004Estatística Aplicada IProf. Dr. Arno Paulo Schmitz24 h

Introdução à estatística descritiva. Estudo de populações e amostras. Introdução às séries estatísticas. Análise de gráficos. Medidas de posição e de dispersão. Modelos de distribuições. Níveis de confiança. Testes paramétricos e não paramétricos.

IAA005Estatística Aplicada IIProf. Dr. Arno Paulo Schmitz24 h

Modelos de distribuições. Análise de viés e variância. Análise de qualidade de modelos. Níveis de confiança e tipos de erros. Testes de normalidade: Kolmogorov-Smirnov, Shapiro-Wilk. Testes paramétricos: teste t, ANOVA. Testes não paramétricos: Friedman, Kruskal-Wallis. Testes post-hoc: Nemenyi, Dunn.

IAA006Arquitetura de DadosProf. Dr. Dieval Guizelini24 h

Modelagem de dados estruturados e não estruturados. Preparação de dados para projetos de aprendizado de máquina: construção e seleção de atributos, limpeza, codificação de informação, tratamento de dados ausentes, identificação e tratamento de ruídos e de atributos correlacionados. Métodos computacionais para preparação e tratamento dos dados.

IAA007Visualização de Dados e StorytellingProfa. Dra. Priscila Zimermann24 h

Histórico da visualização de dados. Tipos e métodos de visualização. Melhores práticas e princípios. Data storytelling. Aplicações da visualização de dados.

IAA008Aprendizado de MáquinaProf. Dr. Jaime Wojciechowski24 h

Introdução ao aprendizado de máquina. Aprendizado supervisionado, não supervisionado e por reforço. Tarefas: regressão, classificação, agrupamento e associação. Técnicas: redes neurais artificiais, máquinas de vetores de suporte, indução de árvores de decisão, regras de associação, KNN, K-means, Apriori. Avaliação de modelos. Métricas de qualidade: R², RMSE, matriz de confusão.

IAA009Deep LearningProf. Dr. Razer Anthom Nizer Rojas Montaño24 h

Introdução ao deep learning e conceitos básicos. Deep learning aplicado à visão computacional: redes neurais convolucionais (CNN) e redes adversárias generativas (GAN). Redes neurais recorrentes: simples, GRU e LSTM. Deep learning aplicado ao processamento de linguagem natural: embeddings, modelos de linguagem, modelos de atenção. Transformers.

IAA010Big DataProf. Dr. João Eugênio Marynowski24 h

Principais conceitos de Big Data e Ciência de Dados. Armazenamento e gerenciamento de Big Data. Data lake para uso de IA em Big Data. Principais tecnologias e ferramentas para análise e solução de problemas reais, envolvendo dados em lote (batch) ou em movimento (streaming), estruturados, semiestruturados e não estruturados.

IAA011Visão ComputacionalProf. Dr. Lucas Ferrari de Oliveira24 h

Introdução à visão computacional. Aquisição de imagem e sensores de visão. Pré-processamento, segmentação de imagens, descrição, reconhecimento de padrões e decisão. Redes neurais convolucionais (modelos e aplicações), preparação dos dados, data augmentation, transferência de aprendizado e fine-tuning.

IAA012Aspectos Filosóficos e Éticos da Inteligência ArtificialProf. Dr. Marcos Wachowicz24 h

Introdução à Inteligência Artificial e ética. Tomada de decisão e viés em IA. Privacidade e segurança em IA. Autonomia e responsabilidade. Implicações sociais e filosofia da mente. Futuro da IA e ética.

IAA013Frameworks de IAProfa. Dra. Luani Rosa de Oliveira Piva24 h

Frameworks comerciais de IA e ciência de dados. TensorFlow. Resolução de problemas com TensorFlow: regressão e classificação. CNNs. RNNs. Séries temporais. GANs. Processamento de linguagem natural.

IAA014Tópicos em Inteligência ArtificialProf. Dr. Dieval Guizelini24 h

Lógica fuzzy. Algoritmos genéticos. Identificação e tratamento de séries temporais.

IAA015Gestão de Projetos de Inteligência ArtificialProfa. Dra. Rafaela Mantovani Fontana24 h

Workflow de inteligência artificial. Gerenciamento tradicional de projetos. Gerenciamento ágil de projetos. Práticas de gerenciamento de projetos aplicadas ao desenvolvimento de soluções de inteligência artificial.

Avaliação

A avaliação é contínua ao longo de cada disciplina: tarefas, questionários, fóruns e um trabalho conclusivo que faz a ponte com a prática profissional do aluno.

  • Nota mínima 70, em escala de 0 a 100, em cada disciplina.
  • Frequência mínima de 75% nas atividades, computada pelas entregas e pelo acompanhamento das aulas gravadas.
  • Quem não atingir a nota mínima recebe orientação da tutoria para a recuperação.

Certificação

Certificado de Especialista pela UFPR para quem for aprovado em todas as disciplinas e no Trabalho de Conclusão de Curso (TCC), orientado por professores do curso.

Certificado de Aperfeiçoamento pela UFPR para quem optar por não realizar o TCC e for aprovado em todas as disciplinas.

Os alunos também podem realizar estágios vinculados ao curso em empresas da área de informática ou que tenham demandas em IA.

Corpo docente

Professores doutores da UFPR e convidados, responsáveis pelas disciplinas da turma 2027.