Introdução à Inteligência Artificial e Redes Neurais 🧠
Domine os fundamentos da IA, desde a lógica matemática e programação Python até a criação de Redes Neurais profundas e aplicações de Processamento de Linguagem Natural.
Foco do Curso
Metodologia: Aprendizado progressivo focado na compreensão intuitiva dos algoritmos e na implementação prática usando ferramentas líderes de mercado como Google Colab e Scikit-Learn.
🎯 O Que Você Vai Aprender
-
Conceitos de IA --- Entenda a diferença entre IA, Machine Learning e Deep Learning, explorando o panorama histórico de Turing aos Transformers. Ver Introdução
-
Fundamentos Matemáticos --- Domine vetores, matrizes e estatística básica, compreendendo por que a matemática é o motor dos modelos de IA modernos. Ver Matemática
-
Python para IA --- Pratique programação focada em dados com NumPy, Matplotlib e Scikit-Learn diretamente no ambiente Google Colab. Ver Python
-
Redes Neurais --- Aprenda a arquitetura de neurônios artificiais, funções de ativação, backpropagation e treinamento de redes profundas. Ver Redes Neurais
📚 Jornada de Aprendizado (16 Aulas)
O curso é estruturado em quatro blocos pedagógicos.
🧱 Bloco 1: Fundamentos e Ferramentas (Aulas 01-04)
- Aula 01 - O que é Inteligência Artificial? 🤖
- Aula 02 - Fundamentos Matemáticos Essenciais 📐
- Aula 03 - Introdução ao Python para IA 🐍
- Aula 04 - O que é Machine Learning? ⚙️
🏗️ Bloco 2: Algoritmos Clássicos (Aulas 05-08)
- Aula 05 - Regressão Linear na Prática 📉
- Aula 06 - Classificação e KNN 🏷️
- Aula 07 - Overfitting e Underfitting 🎯
- Aula 08 - Introdução às Redes Neurais 🧠
🔌 Bloco 3: Deep Learning (Aulas 09-12)
- Aula 09 - Funções de Ativação ⚡
- Aula 10 - Treinamento de uma Rede Neural 🔥
- Aula 11 - Introdução ao Deep Learning 🌊
- Aula 12 - IA para Imagens (Visão Computacional) 👁️
🚀 Bloco 4: NLP e IA Generativa (Aulas 13-16)
- Aula 13 - IA para Texto (PLN) 📝
- Aula 14 - IA Generativa 🎨
- Aula 15 - Ética, Impactos e Mercado ⚖️
- Aula 16 - Projeto Final 🎓