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.
Aulas 100% Ao Vivo
Não são videoaulas prontas, gravadas. São aulas iguais às de uma pós-graduação presencial.
Turma de verdade
Você participa de uma turma de verdade, onde interage com alunos e professores e constrói seu networking
Baseado em projetos
Você demonstra as competências em projetos práticos que entrega ao final de cada disciplina, e não em provas.
Aulas com Labs Virtuais
Pós 100% prática, ministrada com Labs Virtuais para os alunos experimentarem as tecnologias e softwares do campo
HORÁRIO DAS AULAS
20h00 às 21h30
- Aulas ao vivo
PRÓXIMA TURMA
01/08/2022
DIAS DA SEMANA
Seg e Qua
DURAÇÃO DA PÓS
11 meses
Disciplinas e Competências
Algoritmos supervisionados para classificação
- Aplicar regressão linear logística
- Desenvolver um treino supervisionado usando árvores de decisões
- Desenvolver um treino supervisionado usando SVM
- Construir uma solução que aplica um modelo elaborado a partir de uma base de dados
Complementares
- Utilizar a metodologia K-Folds de validação cruzada
Engenharia de Machine Learning
- Desenvolver um sistema de coleta de dados usando APIs públicas
- Criar uma solução de streaming de dados usando pipelines
- Preparar um modelo previamente treinado para uma solução de streaming de dados
- Estabelecer um método de como atualizar o modelo empregado em produção
Complementares
- Utilizar algoritmo de AutoML.
- Criar uma visualização de dados em tempo real
- Criar uma API para servir um modelo de Machine Learning
- Entender conceitos de sistemas de produção em nuvem
Processamento de linguagem natural com Python
- Implementar técnicas de lematização usando a biblioteca NLTK
- Construir um modelo de reconhecimento de entidades (NER) usando Spacy
- Criar modelos utilizando vetorização de textos baseado em Bag of Words
- Criar modelos baseados em Word Embedding
Complementares
- Realizar análises com diferentes aplicações de NLP
- Criar Text Corpus para serem analisados
Mineração de texto com stack ELK
- Entender o pipeline do Stack da Elastic
- Executar MLT Queries na base do Elastic Search
- Desenvolver um classificador de categorias de texto usando "The 20 newsgroup dataset"
- Desenvolver um sistema de recomendação utilizando queries MLT
Complementares
- Compreender Shards
- Gerenciar logs de operação usando LogStash
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
Complementares
- Compreender as diferentes funções de ativação de uma Rede Neural
- Implementar uma Rede Neural em uma base de imagens
Deep Learning com TensorFlow
- Compreender em que cenários deve-se utilizar redes profundas (Deep Learning Networks)
- Utilizar modelos pré-treinados de redes profundas através de Transfer Learning
- Utilizar uma rede de modelo convolucional com TensorFlow
- Produzir contéudo texto com TensorFlow a partir de uma rede LSTM
Complementares
- Implementar modelos neurais para cenários de operação
- Utilizar uma rede DPN para gerar imagens usando TensorFlow
Algoritmos Não-Supervisionados para clusterização
- Instalar Scikit-Learn usando um ambiente de Virtualenv
- Explicar a motivação para se usar algoritmos não-supervisionadas
- Explicar diferentes tipos de algoritmos de clusterização
- Aplicar os algoritmos de K-Means e clusterização hierárquica (hcluster) em dados reais
Complementares
- Escolher a técnica mais adequada de clusterização para diferentes problemas
- Aplicar o algoritmo de DBScan em dados reais
Validação de modelos de clusterização
- Compreender a distância baseada na Correlação de Pearson
- Aplicar distâncias inter-clusters e intra-clusters
- Aplicar a medida de sillhueta para problemas complexos usando Scikit-Learn
- Utilizar o algoritmo de vizinhos mais próximos (KNN) para avaliação de clusters
Complementares
- Entender as limitações da medida de silhueta
- Duração: 11 meses
- Início: 01 de agosto de 2022
- Dias: Segundas e quartas, flexível
- Horário: 20 às 21:30h, flexível
Perguntas frequentes
Você terá uma verdadeira experiência de sala de aula, participando por áudio e vídeo, tirando dúvidas com os professores e construindo seu networking.
São 64 aulas interativas ao vivo e sete dias por semana de aprendizado na comunidade online.
Você tem o apoio de professores dedicados, que são experts no assunto, e aprende junto com uma turma de profissionais de todo o Brasil.
Profissionais de TI que sabem programar e que desejam se diferenciar aprendendo na prática as principais aplicações modernas de Machine Learning e Inteligência Artificial.
Desenvolvedores que buscam atualizar-se em relação aos novos paradigmas apresentados pelas técnicas de Machine Learning.
Programadores que buscam capacitar-se para gerir projetos relacionados a Augmented Analytics (Business Analytics + Machine Learning).
Saber (ou ser capaz de aprender sozinho) a linguagem Python. Inglês técnico para leitura.
Para assistir às aulas, basta um celular com câmera e boa conexão internet wifi ou 4g, mas será bem mais produtivo se você usar um desktop ou notebook com câmera e um confortável fone de ouvidos, que é a configuração recomendada.
Para fazer os trabalhos e enviar pelo Moodle, você deve usar um computador com configuração mínima Core i3, 4gb de RAM (recomendável 8gb) e internet de boa qualidade.
Ao tornar-se aluno, você terá direito a uma conta no G Suite do Google e acesso a todas as VMs (Virtual Machines) necessárias para seu aprendizado, assim como instruções para baixá-las e utilizá-las.
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.
Carreiras
A pós-graduação prepara o aluno para as carreiras de Engenheiro de ML (Machine Learning Engineer), Desenvolvedor de BI (Business Intelligence Developer), Pesquisador em AI (AI Research Scientist), Engenheiro ou Arquiteto de Big Data (Big Data Engineer/Architect) e Desenvolvedor de Software.
Temas abordados
- Python para Inteligência Artificial e Machine Leaning
- Scikit-learn
- Pandas
- Jupyter
- Deep Learning usando Tensor Flow
- Redes Neurais
- Modelos Supervisionados e não-supervisionados
- Stack ELK (Elastic) para text mining
- NLP usando o pacote Spacy
- Visualização de dados usando Dash e Plot.ly
- Processamento de dados em tempo real
- Machine Learning Pipeline
- Engenharia de Machine Learning
- Modelos Transfer Learning
Curso único
Faculdade Focada
Ministrado por uma escola totalmente dedicada à formação para a área de tecnologia tecnologia aplicada aos negócios e gestão.
Flexível
As aulas são ao vivo mas ficam gravadas para você assistir conforme sua disponibilidade.
Avançado
Ideal para profissionais que visam avançar na carreira enquanto mantém-se técnicos.
Voltado para quem sabe programar
Todos os seus colegas terão experiência em programação, evitando perda de tempo.
Professores de mercado
Os professores do Instituto Infnet atuam em empresas como: Petrobras, Stone, Microssoft, BNDES e Globo.
Tecnologia de alta demanda
Programação em linguagem Python, a mais usada para inteligência artificial e machine learning.
Criação de portfólio
Desenvolvimento de softwares com inteligência artificial e machine learning durante a pós.
Networking
Colegas de alto nível, atuantes no mercado, que proporcionam um networking relevante para toda a vida, potencializado pela comunidade online.
Biblioteca Virtual
Acesso a biblioteca online com mais de 35 mil livros, vídeos e tutoriais de editoras como: Apress, Packt Publishing, Pearson, O'Reilly (Safari), Sams, Cisco Press, McGraw-Hill, Sybex.
Um time de professores experts
Thiago Ciodaro
Chief Data Scientist na multinacional Ernst & Young, tem experiência em pesquisa e ciência aplicada, incluindo quatro anos de experiência internacional em um dos mais avançados laboratórios, o CERN.
Mestre em modelar, desenvolver e implementar business solutions na ciência de dados e projetos automatizados, já desenvolveu soluções nas áreas de petróleo e gás, física de alta energia e gerenciamento de ativos.
É doutor em Engenharia Elétrica com ênfase em Inteligência Computacional pela UFRJ
Felipe Grael
Co-fundador da empresa de ciência de dados Twist e Mestre em Engenharia Elétrica com ênfase em Inteligência Computacional pelo Programa de Engenharia Elétrica (PEE) da COPPE/UFRJ, participou por mais de 10 anos na colaboração UFRJ-CERN (Suíça). Participa de projetos em Data Science para a Globo, Marinha do Brasil, Vallourec, entre outros.
Thaís Viana
Gestora de projetos e sócia da Grama Creative Coding Studio, possui larga experiência como backend developer, já tendo trabalhado em mais de 30 projetos relacionados à manipulação de dados para empresas como Google, Casa Firjan e Museu do Amanhã. É mestre em Inteligência Artificial pela UFRJ.
Diego Rodrigues
Lidera a área de Data Science da Interagente e também é fundador da Eagle Sports Analytics. Possui treze anos de experiência em Business Intelligence, análise preditiva, sistemas de aprendizado de máquina e mineração de dados.
É doutor em Engenharia Elétrica com ênfase em Inteligência Computacional pela UFRJ
O time de professores, naturalmente, pode ser alterado ao longo do tempo.
Flexível
Você assiste às aulas, estuda e faz os trabalhos no horário que puder.
Assistir ao vivo é o ideal, mas é você quem decide. Faça seu horário!
Distanciamento Social
Impulsiona demanda
Uma intensa fase de transformação digital foi acentuada pelo distanciamento social.
A demanda global por profissionais da área de software é imensa, e o mercado para Inteligência Artificial e Machine learning é um dos mais aquecidos. Com a adequação dos cargos para o trabalho remoto, as oportunidades são nacionais e internacionais.
Depoimentos de alunos
Perguntas frequentes
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.
Nossa qualidade foi reconhecida pelo MEC, que conferiu conceito máximo (5) para a modalidade EAD da instituição e para todas as graduações reconhecidas.
Este nível de qualidade só é possível pela metodologia que combina aulas ao vivo diárias e o aprendizado através do desenvolvimento de projetos com desafios reais da profissão. Além disso, a metodologia de avaliação por competências aproxima os alunos do mercado de trabalho.
Sim, com aprofundamento em cada disciplina, como se espera de um curso de especialização. Para nós, pós-graduação não pode ser videoaula gravada para autoestudo.
É uma pós-graduação de verdade, com aulas de verdade.
Ao invés de provas teóricas, você terá projetos práticos. Todo semestre, você terá que provar que aprendeu o conteúdo a partir da construção de um grande projeto baseado nos desafios do mercado. Assim, após concluir o curso, você chegará ao mercado com total confiança mesmo no seu primeiro dia de trabalho.
Assim como todo o curso, as apresentações dos projetos são realizadas de maneira remota. O aluno não precisa comparecer ao Instituto e pode realizar a apresentação de onde se sentir mais confortável.
Você precisará assistir a todas as aulas, ao vivo ou gravadas, como for melhor para você. Também precisará fazer os projetos e estudar os conteúdos indicados. É esperada uma dedicação média de cerca de oito horas por semana ao longo dos onze meses de aulas.
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.
Sim, precisa – ao vivo ou gravadas. O ideal é conseguir assistir ao vivo para aproveitar ao máximo, mas não é obrigatório. Para ser aprovado em uma disciplina, é necessário ter assistido todas as oito aulas até o dia da entrega do projeto, que acontece uma semana depois da última aula ao vivo.
Porque é uma pós-graduação para o aluno aprender de verdade, e não uma sequência de palestras.
Cada disciplina tem 45 horas de aulas, estudos e desenvolvimento de projeto, permitindo que o aluno aprofunde-se no assunto, em nível profissional.
Ter dezenas de disciplinas curtas e professores variados pode parecer bom à primeira vista, mas é a fórmula para um curso sem profundidade.
Você terá que fazê-la novamente (a mesma ou uma disciplina similar, indicada pela instituição).
O aluno aprende muito mais fazendo projetos ao longo de todo o curso do que em um TCC no final. Além disso, é muito comum no Brasil o aluno deixar de entregar seu TCC e perder o certificado.
Projetos espalhados durante a pós-graduação ajudam o aluno a manter o ritmo e oferecem oportunidades de avaliação mais aprofundadas e justas que provas online.
Você terá as mesmas oportunidades de aprendizado, com aulas ao vivo, colegas de classe, trabalhos e indicação de conteúdos adicionais para estudar.
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 certificado da pós-graduação na modalidade Live é o mesmo de uma pós-graduação presencial.
Para assistir às aulas, basta um celular com câmera e boa conexão internet wifi ou 4g. Melhor ainda se você usar um desktop ou notebook com câmera e um confortável fone de ouvidos, que é a configuração recomendada.
A pós-graduação utiliza uma solução integrada de Moodle, Zoom, Workplace, biblioteca Safari e G Suite. Apesar de todos eles terem versões para mobile, em vários momentos será bem mais confortável usar um computador.
Alguns títulos de pós têm exigências específicas de hardware para a utilização de máquinas virtuais e labs remotos.
Para fazer sua matrícula, converse conosco abaixo:
