Introdução à Inteligência Artificial com SCIKIT-LEARN
Ofertado por:
Adquira habilidades em análise de dados e crie sistemas inteligentes com o curso de Introdução à Inteligência Artificial com SCIKIT-LEARN. Prepare-se para a indústria 4.0!
O objetivo deste curso é formar profissionais capazes de realizar análises de dados com ferramentas de alta escalabilidade, utilizando tecnologias e metodologias recentes da indústria 4.0. Você aprenderá a criar e implementar algoritmos de inteligência artificial, desde fundamentos até técnicas avançadas de machine learning, com foco prático no Scikit-learn e programação Python. O curso abrange métodos supervisionados e não supervisionados, técnicas de regressão, regularização, avaliação de modelos e algoritmos de classificação, preparando os alunos para resolver problemas reais de IA.
Certificado: Após a conclusão do curso, você receberá o certificado de aperfeiçoamento profissional no e-mail cadastrado em até 30 dias.
Horário de realização:O curso é totalmente online, com suporte de tutoria, ou seja, aulas semanais ao vivo para melhor compreensão do conteúdo.
No dia agendado para o início das aulas o curso estará disponível em https://ead.senai.br/. Os seus dados de acesso serão encaminhados para o e-mail informado no ato da matrícula.
Para concluir o curso você deverá realizar o estudo do material didático e concluir a “Avaliação Final”, com desempenho mínimo de 60%.
Dúvidas?
Ter no mínimo 16 anos;
Ter Ensino Fundamental completo;
Ter conhecimento de lógica de programação;
Conhecimentos de linguagens de programação;
Ter acesso à Internet com conexão de, no mínimo, 1 Mbps.
- Fundamentos de Inteligência Artificial:
Conceitos básicos de IA;
Teste de Turing;
Agentes inteligentes;
Modelagem de problemas;
Introdução à linguagem de programação Python.
- Utilização do Scikit-learn:
Aprendizagem estatística;
Métodos supervisionados e não supervisionados;
Regressão linear e logística;
Estimativa e interpretação de coeficientes;
Medidas de erro e análise de resíduos;
Técnicas de regularização, incluindo splines.
- Seleção e Avaliação de Modelos:
Validação cruzada;
Métodos de bootstrap;
Algoritmos de classificação (LDA, árvores de decisão, boosting, Random Forests, SVMs).
Profissionais que desejam ingressar no mercado de Inteligência Artificial e Ciência de Dados.