Se Torne um Especialista em Inteligência Artificial
Capaz de desenvolver seus próprios projetos do absoluto zero
- 100% Online
- Credenciado pelo MEC
- Certificado UFV
Essa pós não é um curso que ensina a usar ferramentas disponíveis no mercado. ❌
Queremos capacitá-lo para desenvolver seus próprios projetos de Inteligência Artificial. ✅
Esse curso é para você que se encaixa em algum dos perfis abaixo:
Para empreendedores que visam desenvolver e comercializar soluções inovadoras utilizando inteligência artificial.
Profissionais que não sabem programação, mas querem inovar na sua área, criar uma inteligência artificial que solucione um problema dentro da sua área de atuação.
Programadores que almejam posições de destaque e querem desenvolver suas capacidades para ingressar em grandes empresas de tecnologia ou assumir cargos estratégicos na área de IA.
Este curso não ensina apenas o uso de ferramentas de inteligência artificial; ele é projetado para capacitar você a criar e implementar seus próprios projetos de Inteligência Artificial.
Nesta primeira disciplina, nós teremos contato com uma pequena história do cérebro. Veremos também quais foram os caminhos que a ciência percorreu até que pudéssemos chegar a este ponto de entendimento do cérebro que nós temos hoje.
Nesta disciplina apresentaremos os conceitos elementares para o desenvolvimento de código nas linguagens Python, R e Octave. Inicialmente apresentaremos os elementos básicos das linguagens, como variáveis, constantes, tipos de dados simples e indentação, seguidos pelos comandos básicos da linguagem e por fim serão abordados arranjos e funções. Esses são os blocos básicos para implementação de programas em diversas linguagens de programação e fornecem as ferramentas necessárias para que os alunos possam começar a programar.
Nesta disciplina serão apresentados aspectos teóricos e práticos das principais técnicas de aprendizado estatístico. Para que o aluno seja capaz de delinear qual a técnica de aprendizado estatístico ideal a ser utilizada para obter a solução de um problema de reconhecimento de padrão, classificação ou predição. Entender o funcionamento da técnica sendo capaz de interpretá-la corretamente.
Nesta disciplina serão apresentados os embasamentos teóricos e matemáticos de algoritmos de aprendizado de máquina para solução de problemas, casos de estudo e códigos para implementação dos algoritmos. Ainda, serão apresentadas algumas estratégias de condicionamento de dados e extração de características para utilização em redes neurais artificiais, lógica nebulosa (fuzzy) e máquinas de vetor de suporte (SVM).
Pretende-se abordar conceitos básicos de Aprendizado Profundo (ou Deep Learning) tais como: Aprendizado não-supervisionado e Deep Belief Network; Redes convolucionais; Redes recorrentes e também explorar ferramentas computacionais para execução de análises de dados reais e simulados por meio de aulas práticas e estudos dirigidos.
O processamento de sinais nos oferece ferramentas matemáticas. Diferentes ferramentas são usadas para resolver diferentes problemas e, às vezes, usamos uma combinação dessas ferramentas para construir um sistema para processar sinais. A inteligência computacional faz uso dessas ferramentas para extração de características, limpeza de dados, filtragem, compressão e expansão de dados dentre outras operações. Essas manipulações de sinais e sistemas são indispensáveis para o ajuste de um sistema de inteligência artificial.
Nesta disciplina será trabalhado o potencial da Inteligência Artificial (IA) em auxiliar na criação de negócios disruptivos e na geração de renda. Inicialmente apresentaremos alguns conceitos e técnicas utilizadas na área de empreendedorismo, sendo os principais: modelo de negócio, método Canvas, produto mínimo viável e pitch de vendas. Na sequência serão apresentados alguns exemplos de negócios inovadores que utilizam IA, assim como as principais características de empresas e negócios baseados em IA. A partir dos conceitos apresentados os alunos serão capazes de identificar oportunidades de empreendedorismo e inovação com IA na sua área de atuação.
Pretende-se abordar análise exploratória de dados de imagens; Inteligência artificial para reconhecimento de padrões e classificação de imagens; Conceitualização de visão computacional e Redes convolucionais aplicadas à Visão Computacional.
Nesta disciplina serão resolvidos problemas especiais com algoritmos tradicionais de machine learning, problemas com redes neurais convolucionais e redes neurais recorrentes.
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Ut elit tellus, luctus nec ullamcorper mattis, pulvinar dapibus leo.
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Ut elit tellus, luctus nec ullamcorper mattis, pulvinar dapibus leo.
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Ut elit tellus, luctus nec ullamcorper mattis, pulvinar dapibus leo.
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Ut elit tellus, luctus nec ullamcorper mattis, pulvinar dapibus leo.
A UFV é consistentemente reconhecida em rankings nacionais e internacionais. Frequentemente classificada entre as melhores universidades do Brasil e da América Latina, a UFV se destaca por sua infraestrutura de ponta, projetos de pesquisa inovadores e um compromisso com a qualidade do ensino. No Ranking Universitário Folha (RUF), a UFV está entre as 10 melhores universidades do Brasil, avaliadas em critérios como pesquisa, inovação e mercado.
A formação na UFV abre inúmeras oportunidades no mercado de trabalho. Muitos ex-alunos conquistaram posições de destaque em empresas de renome mundial, especialmente no campo da Inteligência Artificial, ocupando cargos em empresas líderes como Google e Microsoft, além de terem sucesso como empreendedores no setor de tecnologia.
Os alunos da pós-graduação em Inteligência Artificial da UFV aplicam esse conhecimento em diversas áreas, como direito, saúde, agricultura, engenharia, ciências sociais e negócios, possibilitando transformação e inovação em diferentes setores.
100 vagas por turma. Se tiverem mais alunos selecionados, novas turmas serão criadas.
Sim, são 12 parcelas de R$597,00 ou R$6304,32 à vista. Você pode pagar no boleto ou cartão, fica a sua preferência.
Não.
Não. No entanto, é concedido ao aluno um prazo de 24 meses para finalizar os créditos, que é o tempo que seus dados permanecem no sistema da Universidade Federal de Viçosa. Para isso, o aluno deve ser manter adimplente ou será desligado.
Essa é uma pós-graduação lato sensu, ou seja, não é financiada pelo governo. Isso significa que os custos com o horário dos professores, plataforma do curso, Google Meet, entre outros gastos, devem ser suportados por fontes externas.
O curso é 100% online, você pode fazer de qualquer lugar do mundo.
O dia e horário das aulas vai depender da disponibilidade do professor, geralmente são na parte da noite, mas pode ficar tranquilo todas as aulas vão ficar gravadas em nossa plataforma para você assistir quando estiver disponível.
Não, sabemos que muitas pessoas podem estar trabalhando no horário das aulas, por esse motivo ao assistir os encontros síncronos gravados também será contado como presença.
O curso tem uma duração mínima de 9 meses podendo se estender para até 24 meses.
Ter uma graduação completa em qualquer área. Você precisa já ter feito a colação de grau até o início das aulas.
Sim, dentro do próprio curso teremos disciplinas niveladoras das linguagens de programação usadas no curso.
Python, R e Octave.
Não, mas se quiser fazer um TCC os professores vão estar dispostos a te ajudar.
Sim, o processo seletivo é através de uma análise curricular.
Tem graduação (UFSJ, 2002), mestrado (UFMG, 2004) e doutorado(UFMG, 2006) também em Engenharia Elétrica. Foi pesquisador visitante da University of Southampton-UK (2019-2020). É professor do Departamento de Engenharia Elétrica da UFV (2006-presente), nas disciplinas de Inteligência Computacional, Sinais e Sistemas, Modelagem e Identificação de Sistemas, Introdução à Engenharia Biomédica, Eletrônica, etc. É pesquisador 1D CNPq, atuando no processamento de sinais biológicos, teoria da detecção e aplicações de inteligência artificial.
Possui graduação em Engenharia Agrícola e Ambiental pela Universidade Federal de Viçosa (2003), mestrado em Engenharia Agrícola pela Universidade Federal de Viçosa (2007) na área de concentração em Pré-Processamento e Armazenagem de Produtos Agrícolas, doutorado em Engenharia Agrícola pela Universidade Federal de Viçosa (2010) na área de concentração em Mecanização Agrícola. Pós-doutorado na University of Illinois (Urbana-Champaign) nos Estados Unidos. Atualmente é Professor Associado da Universidade Federal de Viçosa, no Departamento de Engenharia Agrícola, atuando nas Áreas de Mecanização Agrícola, e Agricultura de Precisão e Digital.
Professor no Instituto de Ciências Exatas e Tecnológicas (IEF) do Campus UFV-Florestal da Universidade Federal de Viçosa (UFV). Possui mestrado e doutorado em Ciência da Computação (2004 e 2011) pela Universidade Federal de Minas Gerais e graduação em Engenharia de Controle e Controle e Automação (2001) pela Pontifícia Universidade Católica de Minas Gerais. Atualmente é orientador do Programa de Pós-Graduação em Ciência da Computação da UFV. É bolsista de produtividade do CNPq, nível 2. Tem experiência na área de Ciência da Computação, atuando principalmente nos seguintes temas: Internet das coisas, nanocomputação, computação de alto desempenho e aprendizado de máquina.
Possui graduação em Estatística pela Universidade Federal do Espírito Santo (2007), mestrado em Estatística Aplicada e Biometria pela Universidade Federal de Viçosa (2009) e doutorado em Estatística e Experimentação Agropecuária pela Universidade Federal de Lavras (2011). Realizou pós-doutorado em Análise de dados Genômicos, via Métodos Econométricos, na North Carolina State University (EUA, 2016). Atualmente, é professor Associado no Departamento de Estatística da Universidade Federal de Viçosa. Tem experiência na área de Probabilidade e Estatística Aplicada, com ênfase em Métodos Estatísticos Aplicados ao Melhoramento - Plantas e Animais, Inteligência Computacional e Aprendizado Estatístico.
Possui graduação em Engenharia Elétrica pela Universidade Federal de Viçosa (2011), mestrado (2013) e doutorado (2018) em Engenharia Elétrica pela Universidade de São Paulo. Entre 2015 e 2016, foi pesquisador visitante na Aalborg University, Dinamarca. Atualmente, é professor adjunto no Departamento de Engenharia Elétrica da UFV. Atua principalmente nos temas geração distribuída e controle de sistemas de energia.
É graduada em Ciência da Computação pela Universidade Federal de Minas Gerais (UFMG-2008) e tem doutorado em Bioinformática (2013). Possui pós-doutorado no European Molecular Biology Laboratory-European Bioinformatics Institute (EMBL-EBI), em Cambridge, no Reino Unido (2019), e no Laboratório de Bioinformática e Sistemas (LBS), do Departamento de Ciência da Computação da Universidade Federal de Minas Gerais (2015). Atualmente, é professora no Departamento de Informática (DPI), da Universidade Federal de Viçosa (UFV). É orientadora do Programa de Pós-Graduação em Ciência da Computação da UFV (CAPES 4) e do Programa de Pós-Graduação em Bioinformática da UFMG (CAPES 7). Tem experiência na área de Ciência da Computação e Bioinformática, atuando principalmente nos seguintes temas: predição de função de enzima, mineração de dados, aprendizagem de máquinas, bases de dados biológicos e visualização de dados.