O que procura?

Ex: Cursos, artigos, docentes, etc...

Sugestões de pesquisa

Applied Artificial Intelligece Machine Learning BACK

Applied Artificial Intelligence & Machine Learning

Conteúdo programáticos

módulo opcional

MÓDULO OPCIONAL: INTRODUÇÃO AO PYTHON

  • Preparação do ambiente (instalar o Python, editor de texto, linha de comandos)
  • Conceitos fundamentais
  • Tratamento de erros (debugging, traceback, excepções)
  • Código externo (import, criar módulos, pip)
  • Programação orientada a objectos: perspectiva de utilizador
  • Exemplos práticos

 

Este é um módulo introdutório e opcionalnão tendo avaliação. Será leccionado na sua totalidade pelo docente Diogo Silva.

unidades curriculares

INTRODUÇÃO À INTELIGÊNCIA ARTIFICIAL & MACHINE LEARNING

  • Introdução à ciência de dados com o  Python;
  • Importação de dados;
  • Análise de dados;
  • Representação de dados;
  • Visualização de dados;
  • Limpeza de dados;
  • Integração de dados;
  • Transformação de dados;
  • Normalização e estandardização dos dados;
  • Dados de treino e dados de teste;
  • Métricas de avaliação do desempenho;
  • Exemplos e iIlustrações com o Python.

INTRODUÇÃO À TECNOLOGIA AI

  • Introdução, evolução e futuro da AI;
  • AI lifecyle;
  • ML technologies e libraries;
  • AI apps;
  • AI containers;
  • Cloud e object stores;
  • Plataformas de AI.

TIME SERIES FORECASTING

  • Decomposição de séries temporais;
  • Métodos de alisamento exponencial;
  • Modelos ARIMA;
  • Identificação de modelos, estimação, avaliação do diagnóstico, seleção e previsão;
  • Redes neuronais recorrentes (RNNs) e modelos de memória de curto e longo prazo (LSTMs);
  • Estudo de casos reais com o Python.

SUPERVISED MACHINE LEARNING

  • Regressão linear; 
  • Regressão logística; 
  • Árvores de decisão; 
  • Support Vector Machine (SVM); 
  • Random Forest; 
  • Perceptron; 
  • k-Nearest Neighbour; 
  • Gradient Descent;
  • Gradient Boosted Trees;
  • Gaussian Naive Bayes;
  • Estudo de casos reais com o  Python.

DEEP LEARNING

  • Data Preparation and Examples for Computer Vision;
  • Algorithms Deep Dive: CNN, FRCNN, Yolo;
  • Testing Computer Vision;
  • Data Preparation and Examples for NLP;
  • Algorithms Deep Dive: Transformer Architectures, GPT, etc.;
  • Testing NLP;
  • Exercises and Evaluation.

UNSUPERVISED MACHINE LEARNING

  • Análise de componentes principais (PCA);
  • Análise de Clusters;
  • Dimensionamento multidimensional (MDS);
  • Deteção de anomalias e outliers; 
  • Estudo de casos reais com o  Python.

GENERATIVE AI

  • Data Preparation and Examples for GANs and Image Generation Models;
  • Algorithms Deep Dive: GANs and Other Image Generation Models;
  • Testing Generative Image Models;
  • Data Preparation and Examples for Text Generation Models;
  • Algorithms Deep Dive: LLM Foundation Models, Fine-Tuning, etc.;
  • Testing LLMs;
  • Exercises and Evaluation.

AI DEPLOYMENT & MONITORING

  • Métodos de implementação e monitorização de AI utilizando Mlflow, Streamlit, Python, PySpark e Docker.
  • AI & MACHINE LEARNING PROJECT
  • Execução de um projeto completo de Machine Learning utilizando algoritmos de AI.
Candidatura

Faça aqui a sua inscrição no curso

Candidatar-me
Nuno Matos

Mais informações

Contacte o nosso Program Advisor para esclarecimentos e aconselhamento adicional.