Análise de Big Data Via Deep Learning e Inteligência Artificial
Análise de Big Data Via Deep Learning e Inteligência Artificial
Este curso intensivo de 100 horas é ideal para quem deseja se aprofundar em Inteligência Artificial (IA) e IA Generativa. Com uma abordagem detalhada, você explorará tópicos avançados como Deep Learning e arquiteturas de redes neurais, capacitando-se para resolver desafios complexos usando dados e algoritmos de ponta.
Em um cenário onde a capacidade de enfrentar problemas com tecnologias avançadas é cada vez mais valorizada, a demanda por especialistas em IA está crescendo rapidamente, impulsionada pela digitalização e automação em diversos setores.
Esta proposta tem como objetivo propor à instituição a realização de um curso de Extensão em Análise de Informação por meio de algoritmos de Deep Learning e Inteligência Artificial denominada Análise de Big Data via Deep Learning e Inteligência Artificial.
Objetivos
• Introduzir o conceito de Big Data, apresentando as vantagens, softwares e metodologia para a análise de informações;
• Introduzir o conceito de aprendizado de máquina - Machine Learning;
• Apresentar o conceito de Deep Learning;
• Apresentar vários algoritmos de aprendizado de máquina/rede neural via tecnologias de Deep Learning e Inteligência Artificial
Perfil do Aluno
Profissionais de diversas áreas que buscam aprofundar seus conhecimentos em Inteligência Artificial.
Certificação
O Certificado de Conclusão do Curso, emitido pela Faculdade FIA de Administração e Negócios, será fornecido ao aluno aprovado no curso de acordo com o sistema de avaliação adotado pela coordenação do curso.
Investimento
Valor Integral:
R$ 11.428,57 à vista ou 7x de R$ 1.632,65 no Cartão de Crédito sem juros.
Valor para Conveniados:
R$ 8.000,00 à vista ou 7x de R$ R$ 1.142,86 no Cartão de Crédito sem juros
Metodologia
Os conceitos são apresentados por meio de exemplos e exercícios práticos monitorados pelo Professor.
Sistema de Avaliação
Será aprovado no curso e terá direito ao certificado o participante que tiver obtido frequência mínima de 75% (setenta e cinco por cento) do total de horas-aula do curso e obtiver nota final igual ou superior a 7,0 (sete). A nota final será composta pela média das notas das atividades realizadas durante o curso.
Disciplinas
Aplicações de Deep Learning
Coordenador
Profª. Drª. Alessandra de Ávila Montini
Apaixonada por dados e pela arte de lecionar, Alessandra Montini tem muito orgulho de ter criado na FIA cinco laboratórios para as aulas de Big Data e inteligência Artificial. Possui mais de 20 anos de trajetória nas áreas de Data Mining, Big Data, Inteligência Artificial e Analytics. Cientista de dados com carreira realizada na Universidade de São Paulo, Alessandra é graduada e mestra em estatística aplicada pelo IME-USP e doutora pela FEA-USP. Com muita dedicação, a profissional chegou ao cargo de professora e pesquisadora na FEA-USP, e já ganhou mais de 30 prêmios de excelência acadêmica pela FEA-USP e mais de 30 prêmios de excelência acadêmica como professora dos cursos de MBA da FIA. Orienta alunos de mestrado e de doutorado na FEA-USP. Membro do Conselho Curador da FIA, é coordenadora de grupos de pesquisa no CNPq, parecerista da FAPESP e colunista de grandes portais de tecnologia.
Apaixonada por dados e pela arte de lecionar, Alessandra Montini tem muito orgulho de ter criado na FIA cinco laboratórios para as aulas de Big Data e inteligência Artificial. Possui mais de 20 anos de trajetória nas áreas de Data Mining, Big Data, Inteligência Artificial e Analytics. Cientista de dados com carreira realizada na Universidade de São Paulo, Alessandra é graduada e mestra em estatística aplicada pelo IME-USP e doutora pela FEA-USP. Com muita dedicação, a profissional chegou ao cargo de professora e pesquisadora na FEA-USP, e já ganhou mais de 30 prêmios de excelência acadêmica pela FEA-USP e mais de 30 prêmios de excelência acadêmica como professora dos cursos de MBA da FIA. Orienta alunos de mestrado e de doutorado na FEA-USP. Membro do Conselho Curador da FIA, é coordenadora de grupos de pesquisa no CNPq, parecerista da FAPESP e colunista de grandes portais de tecnologia.