Pós-Graduação MIT em Engenharia de 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 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.

• 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.