Pular para o conteúdo
SuperAVA
Aparência

Sua escolha vale em todo o SuperAVA neste navegador.

Entrar
← Catálogo de cursos
Ilustração futurista criada por IA para Algoritmos de Inteligência Artificial do Zero
CURSO LIVRE CURSO 100% COMPLETO

Algoritmos de Inteligência Artificial do Zero

Fundamentos, implementação e análise com Python e NumPy.

60horas
5módulos
Vídeose leituras
Jogos eatividades
Materiaisde estudo
Certificadode conclusão
ENTENDA SUA JORNADAVeja como o curso funciona, suas etapas, atividades, avaliação e certificado.
Entenda sua jornada em Algoritmos de Inteligência Artificial do Zero: cinco módulos, leitura opcional, recursos de estudo, avaliação conforme matrícula, documentos e apoio do NoaH.
Ler a apresentação em texto

Algoritmos de Inteligência Artificial do Zero

Formação inicial e continuada de 60 horas para compreender, implementar e avaliar algoritmos clássicos de inteligência artificial sem depender de caixas-pretas.

  1. Fundamentos, dados e regressão

    Preparar dados com protocolo reproduzível e implementar regressão linear simples, múltipla e por descida do gradiente usando Python e NumPy.

  2. Classificação e árvores de decisão

    Implementar classificadores fundamentais e escolher métricas coerentes com o custo dos falsos positivos e falsos negativos.

  3. Otimização e treinamento

    Implementar SGD, minibatches, Momentum, RMSProp e Adam e diagnosticar convergência sem usar o conjunto de teste para ajuste.

  4. Ensembles e aprendizagem não supervisionada

    Construir ensembles sem vazamento e implementar agrupamento, redução de dimensionalidade e detecção de regiões densas.

  5. Redes neurais e projeto integrador

    Implementar perceptron, ativações estáveis e retropropagação e concluir um experimento reproduzível com análise crítica dos resultados.

Objetivo

Compreenda, implemente e avalie algoritmos clássicos de inteligência artificial sem depender de caixas-pretas.

Seu percurso

1. Fundamentos, dados e regressão

2. Classificação e árvores de decisão

3. Otimização e treinamento

4. Ensembles e aprendizagem não supervisionada

5. Redes neurais e projeto integrador

Aprender com autonomia

Leia o Livro Bolha no seu ritmo. A leitura é opcional.

Use os vídeos disponíveis, áudios, jogos e Balões de Estudo. Abra um balão para continuar o módulo; os demais são opcionais.

Avaliar e revisar

Consulte os critérios, pesos e tentativas da sua matrícula.

Confirme o estudo e realize as avaliações previstas.

Na página 30, revise o infográfico-síntese do módulo.

A liberação segue as datas e autorizações do curso.

Documentos e continuidade

O certificado depende da aprovação, dos requisitos acadêmicos e do prazo mínimo aplicável. Consulte na sala a data de liberação e o histórico da sua matrícula.

O NoaH está por perto

Sou o NoaH, seu assistente educacional. Recupero trechos dos materiais autorizados, mostro as fontes e relações validadas. A consulta fica pausada durante avaliações.

A proposta do SuperAVA

Leitura, prática, recursos visuais e acompanhamento para apoiar seu estudo autônomo.

Leia, relacione, pratique, avalie e revise.

O certificado depende da aprovação e dos requisitos acadêmicos e de prazo da matrícula.

Boas-vindas

Apresentação em texto

Leia a apresentação do curso

Formação inicial e continuada de 60 horas para compreender, implementar e avaliar algoritmos clássicos de inteligência artificial sem depender de caixas-pretas.

Faça sua inscrição gratuita
Sobre o curso e autoria

Olá! Que bom ter você no curso Algoritmos de Inteligência Artificial do Zero. Vamos explorar preparação matemática, Python e NumPy; protocolo de treino, validação e teste; regressão linear simples e múltipla. Ao longo de 5 módulos, vamos relacionar os conceitos às situações do estudo e do trabalho, praticar e revisar o que aprendemos. Use a ementa e a trilha para organizar seu percurso e retome os materiais sempre que precisar. Conte com esta formação para construir seu aprendizado com autonomia e responsabilidade.

Aprender para colocar em prática

Suas 5 principais competências

Ao longo da formação, você vai desenvolver:

  1. Preparar dados e implementar regressão

    Usar Python e NumPy para separar treino, validação e teste e implementar regressão linear com um protocolo reproduzível.

  2. Construir e avaliar classificadores

    Implementar regressão logística, kNN, Naive Bayes e árvores, escolhendo métricas e limiares coerentes com os custos dos erros.

  3. Comparar métodos de otimização

    Implementar SGD, minibatches, Momentum, RMSProp e Adam e diagnosticar convergência sem ajustar decisões pelo conjunto de teste.

  4. Combinar modelos e explorar estruturas

    Construir ensembles sem vazamento e aplicar agrupamento e redução de dimensionalidade, interpretando limites de K-means, PCA e DBSCAN.

  5. Implementar redes e documentar experimentos

    Construir perceptron, ativações e retropropagação e concluir um projeto reproduzível com análise crítica dos resultados e limitações.

Material autoral completo

Apostila de 104 páginas incluída

Leitura objetiva por módulo no portal, com o PDF original completo para consulta.

Disponível na sala de matriculados

EMENTA

Veja os temas que você vai explorar e como eles se conectam ao seu percurso de aprendizagem.

  • 01
    Preparação matemática, Python e NumPy
  • 02
    protocolo de treino, validação e teste
  • 03
    regressão linear simples e múltipla
  • 04
    descida do gradiente
  • 05
    regressão logística
  • 06
    matriz de confusão, precisão, revocação, F1, ROC e AUC
  • 07
    kNN
  • 08
    Naive Bayes
  • 09
    árvores de decisão
  • 10
    SGD, minibatches, Momentum, RMSProp e Adam
  • 11
    bagging, Random Forest, AdaBoost e stacking sem vazamento
  • 12
    K-means, MiniBatch K-means, PCA e DBSCAN
  • 13
    perceptron, funções de ativação, estabilidade numérica, retropropagação e projeto integrador reproduzível.

Conteúdo programático

  1. Fundamentos, dados e regressão

    Preparar dados com protocolo reproduzível e implementar regressão linear simples, múltipla e por descida do gradiente usando Python e NumPy.

  2. Classificação e árvores de decisão

    Implementar classificadores fundamentais e escolher métricas coerentes com o custo dos falsos positivos e falsos negativos.

  3. Otimização e treinamento

    Implementar SGD, minibatches, Momentum, RMSProp e Adam e diagnosticar convergência sem usar o conjunto de teste para ajuste.

  4. Ensembles e aprendizagem não supervisionada

    Construir ensembles sem vazamento e implementar agrupamento, redução de dimensionalidade e detecção de regiões densas.

  5. Redes neurais e projeto integrador

    Implementar perceptron, ativações estáveis e retropropagação e concluir um experimento reproduzível com análise crítica dos resultados.

Para quem é

Estudantes, professores, profissionais de tecnologia, ciência de dados e áreas afins que desejam compreender a mecânica de algoritmos de IA e implementar versões didáticas auditáveis.

Como você aprende

Cinco módulos de 12 horas planejadas combinam duas videoaulas em português, leitura ampliada, nove cartões de revisão, audioaula em português com voz natural gratuita do aparelho e transcrição, três jogos, bloco de notas, infográfico acessível e avaliação V/F. O percurso termina em um projeto integrador com Python e NumPy.

Antes de começar

Não exige cálculo avançado nem experiência prévia em aprendizado de máquina. Noções básicas de lógica ajudam; as implementações práticas pedem computador com Python e NumPy. O curso é introdutório e não equivale, sozinho, à validação de um sistema para produção.

A carga horária organiza o percurso de estudo e não representa contagem automática de presença. Cada módulo oferece duas videoaulas em português e nove cartões de revisão.

Autoria acadêmica

Conheça a equipe que acompanha sua formação.

Prof. Me. Francisco Wenderson Pereira de Souza

EducaçãoTecnologiaGestãoInclusão e direitos
Formação
Mestre em Políticas Públicas (UNILA), especialista em Tecnologia da Informação, Tecnólogo em Gestão da Tecnologia da Informação, Formando em Engenharia de Software, tutor e professor de cursos na Área de Tecnologia, Gestão e Segurança do Trabalho.
Experiência profissional
Experiência ainda não informada pela autoria.
Mensagem do professor para os alunos
Boas-vindas! Organize seu tempo, relacione as leituras à sua experiência e use as atividades para transformar o conhecimento em prática. Bons estudos!
Lattes ou currículo
Link ainda não informado.
Este curso emite certificado após cinco confirmações de leitura, cinco avaliações obrigatórias, nota final mínima 60 e pelo menos 7 dias completos desde a matrícula. Para avançar, conclua a leitura e a avaliação do módulo anterior e aguarde 24 horas; módulos já concluídos continuam disponíveis para revisão. As ações elegíveis geram XP. Novas matrículas: XP 25%, avaliações 65% e V/F de tentativa única 10%, com uma atividade na metade de cada módulo. A conclusão dessas atividades também é obrigatória na nova regra. Matrículas anteriores conservam os pesos e requisitos originais. Autoria: Prof. Me. Francisco Wenderson Pereira de Souza.

Depoimentos autorizados

O que estão falando sobre nós

Comentários publicados somente com autorização do participante. O nome aparece de forma reduzida.

Os primeiros comentários autorizados aparecerão aqui após as avaliações finais.

Faça sua inscrição gratuita

A inscrição cria seu acesso pessoal para guardar notas, XP, progresso, declaração e histórico do curso.

ESTE CURSO FAZ PARTE DE UMA TRILHA

Gestão Inteligente: Administração, IA e Qualidade

Aproveite os cursos já aprovados e continue sua formação. 3 cursos · 180 horas curriculares.

Capa de Administração Integrada à Inteligência Artificial

Administração Integrada à Inteligência Artificial60 h

Capa de Algoritmos de Inteligência Artificial do Zero

Algoritmos de Inteligência Artificial do Zero60 h · você está aqui

Capa de Gestão da Qualidade Moderna: KPIs, Indicadores e Inteligência Artificial Aplicada

Gestão da Qualidade Moderna: KPIs, Indicadores e Inteligência Artificial Aplicada60 h

Certificado de aproveitamento da trilha após aprovação em todos os cursos. Formação complementar, sem equivalência a curso técnico ou graduação.

Conhecer e acessar a trilha