O Curso

Objetivo
O curso "iA Descomplicada" foi projetado para proporcionar aos participantes uma jornada abrangente desde os fundamentos da computação até as complexidades do Aprendizado Profundo. O objetivo principal é capacitar os alunos a compreenderem e aplicarem conceitos cruciais de Inteligência Artificial (IA) de uma maneira acessível e prática.
Depois de concluir este curso os alunos serão capazes de
Ao concluir o curso "iA - Inteligência Artificial", os alunos estarão preparados para enfrentar desafios reais no campo da Inteligência Artificial, tendo adquirido habilidades práticas em programação, compreensão aprofundada de redes neurais e experiência na aplicação de técnicas  de Aprendizado de Máquina. Este curso é uma porta de entrada acessível e abrangente para quem busca se destacar no fascinante mundo da IA.
Pré-requisitos
Familiaridade com o sistema operacional Windows.
Carga Horária
68 horas
Conteúdo programático
iA - Inteligência Artificial

Módulo 1: Fundamentos de Computação
Conceitos básicos de computadores, hardware e software.
Representação de dados: Bits, Bytes e sistemas numéricos.
Arquitetura de computadores e periféricos.
Lógica de Programação com Scratch.
Introdução à lógica de programação.
Estruturas de controle de fluxo (condicionais, loops).
Construção de algoritmos simples no Scratch.
Linguagens de Programação (C, Python)
Introdução às linguagens C e Python.
Sintaxe básica e estruturas de controle.
Noções de programação orientada a objetos em Python.

Módulo 2: Introdução à Inteligência Artificial
História e Conceitos Iniciais de Inteligência Artificial 
Evolução histórica da IA.
Definição e aplicações práticas.
Neurociência e Fundamentos Biológicos
Estrutura e funcionamento de neurônios.
Plasticidade cerebral e aprendizado.
Relação entre neurociência e IA.
Redes Neurais Artificiais (Perceptrons) 
Estrutura básica de uma rede neural.
Função de ativação, aprendizado e retropropagação.
Implementação prática de um perceptron.

Módulo 3: Aprofundando em Aprendizado de Máquina
Machine Learning e Deep Learning 
Conceitos fundamentais de Machine Learning.
Diferenças entre Machine Learning e Deep Learning.
Aplicações práticas e casos de uso.
Práticas Iniciais em Deep Learning
Uso de bibliotecas (TensorFlow ou PyTorch).
Construção de modelos mais complexos.
Avaliação e ajuste de hiperparâmetros.

Módulo 4: Projeto Final e Aplicações Práticas
Desenvolvimento de um projeto prático de IA.
Consultoria e orientação individualizada.
Apresentação e feedback.
Aplicações Práticas em IA (4 horas)
Estudo de casos reais.
Aplicações específicas em diferentes setores.
Discussão sobre tendências futuras e ética em IA.
[PDF] Conteúdo
programático
Quero fazer o curso
Resolva a soma abaixo para validar:
15 + 10 =