Pós-Graduação MIT em Engenharia de IA, Machine Learning e Deep Learning

Disciplinas e competências

• Fundamentos de Machine Learning com Scikit-Learn

  • Aplicar algoritmos supervisionados de classificação e regressão em problemas de predição
  • Preparar e transformar dados rotulados para modelagem com pipelines de pré-processamento
  • Avaliar desempenho de modelos supervisionados usando métricas de erro e acurácia
  • Ajustar hiperparâmetros e comparar algoritmos supervisionados com Scikit-learn

• Operacionalização de Modelos com MLOps

  • Automatizar o ciclo de vida de modelos supervisionados com pipelines de MLOps
  • Versionar dados e modelos para rastreabilidade e reprodutibilidade
  • Implementar integração e entrega contínua (CI/CD) para modelos supervisionados
  • Monitorar desempenho e drift de dados e predições em produção

• Processamento de Linguagem Natural

  • Limpar, tokenizar e estruturar textos para análise linguística automatizada
  • Representar semanticamente textos com TF-IDF e word embeddings
  • Extrair informações e padrões com técnicas de classificação e clusterização textual
  • Implementar aplicações de análise de sentimentos, tópicos e entidades nomeadas

• Aplicações com LLMs

  • Projetar e testar prompts para orientar a geração de linguagem por LLMs
  • Controlar parâmetros de inferência para ajustar comportamento e qualidade de respostas
  • Integrar LLMs em aplicações via APIs e frameworks Python
  • Avaliar coerência, relevância e confiabilidade de respostas geradas por LLMs

• Redes Neurais Profundas

  • Projetar e treinar redes neurais artificiais para tarefas de classificação e regressão
  • Aplicar técnicas de regularização e tuning de hiperparâmetros para melhorar desempenho
  • Utilizar frameworks modernos de Deep Learning para experimentação
  • Interpretar métricas e diagnósticos de aprendizado de redes neurais

• Visão Computacional com CNNs e Transformers

  • Implementar redes convolucionais (CNNs) para extração de padrões visuais
  • Aplicar transfer learning e fine-tuning em modelos pré-treinados
  • Utilizar data augmentation para aumentar robustez de modelos visuais
  • Explorar arquiteturas de Transformers aplicadas à visão computacional

• Criação de Agentes Cognitivos com LangChain

  • Construir agentes inteligentes baseados em LLMs e raciocínio por ferramentas
  • Implementar memória e persistência de contexto em fluxos cognitivos
  • Projetar cadeias de decisão (chains) com execução autônoma
  • Integrar agentes em aplicações com APIs e sistemas externos

• Arquiteturas Multiagentes com LangGraph

  • Projetar sistemas compostos por múltiplos agentes cooperativos
  • Implementar comunicação e coordenação entre agentes autônomos
  • Incorporar pipelines de RAG e memória vetorial em arquiteturas multiagentes
  • Orquestrar fluxos cognitivos complexos com LangGraph e persistência de estado

Sobre a pós

• É RECONHECIDA PELO MEC?

  No caso das pós-graduações lato sensu, como cursos e especializações tradicionais ou MBAs, conforme disposto na página do próprio Ministério da Educação, elas não precisam ser reconhecidas pelo MEC.

  O que é necessário é que as instituições de ensino que ofereçam esses cursos de pós-graduação lato sensu sejam credenciadas pelo MEC.

  Consulte aqui o cadastro da instituição no Sistema e-MEC

  

• COMO VOU APRENDER?

  Nesta pós-graduação Machine Learning EAD, você terá uma verdadeira experiência de sala de aula, participando por áudio e vídeo, tirando dúvidas com os professores e construindo seu networking.

  O curso é formado por 64 aulas interativas ao vivo e sete dias por semana de aprendizado na comunidade online.

  Você tem o apoio de professores dedicados durante todo o curso, que são experts em Inteligência Artificial, Machine Learning e Deep Learning, e aprende junto com uma turma EAD de profissionais de todo o Brasil.

• PARA QUEM É?

  A pós-graduação Machine Learning EAD é para:

  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).

• PREPARA PARA QUAIS CARREIRAS?

  A pós em Machine Learning e Deep Learning prepara o aluno para as carreiras de Engenheiro de Machine Learning, Engenheiro de MLOps, Engenheiro de Agentes Inteligentes, Especialista em NLP, entre outros.

• QUAIS SÃO OS PRÉ-REQUISITOS?

  Para realizar o curso de pós-graduação Machine Learning EAD, o aluno deve saber (ou ser capaz de aprender sozinho) a linguagem Python e possuir inglês técnico para leitura.

• O QUE SIGNIFICA MIT?

  MIT significa “Master in Information Technology”. É o equivalente à sigla MBA, mas para a área de tecnologia. MBAs são cursos com aspectos de gestão de negócios (“B” de Business).

• QUAL INFRA PRECISO TER?

  Para assistir às aulas da pós em Machine Learning, basta um celular com câmera e boa conexão de internet, mas será bem mais produtivo se você usar um desktop ou notebook com câmera e fone de ouvidos, que é a configuração recomendada.

  Para fazer os trabalhos do curso, você deve usar um computador com configuração mínima Core i3, 4GB de RAM (recomendável 8GB) e internet de boa qualidade.

  Ao tornar-se aluno da especialização em Deep Learning, você terá direito a uma conta no Google Workspace e acesso a todas as VMs (Virtual Machines) necessárias para seu aprendizado, assim como instruções para baixá-las e utilizá-las durante o curso.

• SOBRE O COORDENADOR

  FERNANDO FERREIRA

  Coordena a pós-graduação Machine Learning, que é ministrada por professores do quadro permanente do Infnet e especialistas convidados para disciplinas específicas. 

  Prof. Fernando é um dos pioneiros em Inteligência Artificial, Deep Learning e Machine 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 cofundador da Twist Systems.