Inteligência Artificial

Carga horária: 100h

Unidades Curriculares

I - Redes Neurais — 30h
II - Processamento de Linguagem Natural — 30h
III - IA Generativa — 30h
IV - Projeto de Inteligência Artificial — 10h

Voltar para 3B Ciência de Dados Redes Neurais e Inteligência Artificial

Redes Neurais e Inteligência Artificial

Material de estudo sobre redes neurais, aprendizado profundo e IA generativa. Cada semana apresenta aulas e exercícios para prática.

Semana 1 — Conceitos Básicos e Modelos Biológicos

Aula 1: Introdução às redes neurais
Aula 2: Modelos biológicos de neurônios
Aula 3: Exercícios de fixação

Exercício: Pesquise como funciona um neurônio biológico e compare com um neurônio artificial.

Semana 2 — Redes Neurais

Aula 1: Estrutura das redes neurais
Aula 2: Redes neurais artificiais
Aula 3: Exercícios de fixação

Exercício: Desenhe um modelo simples de rede neural com entrada, camada oculta e saída.

Semana 3 — Camadas, Neurônios, Funções de Ativação

Aula 1: Estrutura das camadas e neurônios
Aula 2: Funções de ativação, pesos e bias
Aula 3: Exercícios de fixação

Exercício: Explique a diferença entre peso (weight) e bias.

Semana 4 — Redes Neurais Profundas

Aula 1: Introdução às redes neurais profundas
Aula 2: Estrutura e funcionamento
Aula 3: Exercícios

Semana 5 — Função de Custo e Backpropagation

Aula 1: Introdução à função de custo
Aula 2: Introdução ao backpropagation
Aula 3: Exercícios

Semana 6 — Algoritmos de Otimização

Aula 1: Gradiente descendente (parte 1)
Aula 2: Gradiente descendente (parte 2)
Aula 3: Gradiente descendente (parte 3)

Semana 7 — Projeto de Redes Neurais

Aula 1: Definição do projeto
Aula 2: Desenvolvimento
Aula 3: Planejamento

Semana 8 — Overfitting e Regularização

Aula 1: Introdução a overfitting
Aula 2: Regularização
Aula 3: Exercícios

Semana 9 — Convolutional Neural Networks (CNN)

Aula 1: Introdução às CNN
Aula 2: Estrutura das CNN
Aula 3: Exercícios

Semana 10 — Transfer Learning

Aula 1: Introdução
Aula 2: Aplicações
Aula 3: Exercícios

Semana 11 — Redes Neurais Recorrentes (RNN)

Aula 1: Introdução às RNN
Aula 2: Funcionamento
Aula 3: Exercícios

Semana 12 — Análise Sintática e Semântica

Aula 1: Introdução
Aula 2: Aplicações
Aula 3: Exercícios

Semana 13 — Processamento de Linguagem Natural (NLP)

Aula 1: Introdução ao NLP
Aula 2: Técnicas de NLP
Aula 3: Exercícios

Semana 14 — Projeto de CNN

Aula 1: Definição do projeto
Aula 2: Desenvolvimento
Aula 3: Apresentação

Semana 15 — Modelos de Linguagem

Aula 1: Introdução
Aula 2: Modelos de linguagem
Aula 3: Exercícios

Semana 16 — Modelos de Linguagem Avançados

Aula 1: Modelos avançados
Aula 2: Aplicações
Aula 3: Exercícios

Semana 17 — Reconhecimento de Entidades

Aula 1: Introdução
Aula 2: Aplicações
Aula 3: Exercícios

Semana 18 — IA Generativa

Aula 1: História e conceitos
Aula 2: Aplicações
Aula 3: Exercícios

Semana 19 — Modelos Generativos

Aula 1: Introdução
Aula 2: Funcionamento
Aula 3: Exercícios

Semana 20 — Engenharia de Prompt

Aula 1: Introdução aos prompts
Aula 2: Criando prompts eficientes
Aula 3: Exercícios

Semana 21 — Projeto de NLP

Aula 1: Planejamento
Aula 2: Desenvolvimento
Aula 3: Apresentação

Semana 22 — Recuperação de Conhecimento

Aula 1: Introdução
Aula 2: Aplicações
Aula 3: Exercícios

Semana 23 — Frameworks para LLM

Aula 1: Introdução aos frameworks
Aula 2: Aplicações
Aula 3: Exercícios

Semana 24 — Implantação de LLM

Aula 1: Introdução
Aula 2: Deploy de modelos
Aula 3: Exercícios

Semana 25 — Geração Multimodal

Aula 1: Introdução
Aula 2: Aplicações
Aula 3: Exercícios

Semana 26 — Aplicações Práticas

Aula 1: Aplicações (parte 1)
Aula 2: Aplicações (parte 2)
Aula 3: Exercícios

Semana 27 — Revisão Geral

Aula 1: Revisão
Aula 2: Exercícios
Aula 3: Preparação para avaliação

Semana 28 — Projeto de IA Generativa

Aula 1: Definição do projeto
Aula 2: Desenvolvimento
Aula 3: Apresentação final

Laboratório de Computação

Material educacional aberto.
Os estudantes podem baixar, estudar e modificar os arquivos.