Plano de Ensino 🧭
Curso: Introdução à Inteligência Artificial e Redes Neurais
Público-alvo: Estudantes de ADS, Ciência da Computação e Desenvolvedores de Software
Carga Horária: 20 Aulas (80 Horas Teórico-Práticas)
🎯 1. Objetivos do Curso
- Compreender os fundamentos conceituais e arquiteturais de Introdução à Inteligência Artificial e Redes Neurais.
- Aplicar padrões de projeto, sintaxe moderna e boas práticas da indústria.
- Desenvolver soluções completas através de exercícios práticos e desafios de projeto.
📚 2. Cronograma de Aulas (Matriz de 20 Semanas)
| Aula | Tema Central | Atividades e Entregas |
|---|---|---|
| 01 | O que é Inteligência Artificial? | Teoria, Prática Guiada, Quiz e Exercícios |
| 02 | Fundamentos Matemáticos Essenciais | Teoria, Prática Guiada, Quiz e Exercícios |
| 03 | Introdução ao Python para IA | Teoria, Prática Guiada, Quiz e Exercícios |
| 04 | O que é Machine Learning? ️ | Teoria, Prática Guiada, Quiz e Exercícios |
| 05 | Regressão Linear na Prática | Teoria, Prática Guiada, Quiz e Exercícios |
| 06 | Classificação e K-Nearest Neighbors (KNN) ️ | Teoria, Prática Guiada, Quiz e Exercícios |
| 07 | Overfitting e Underfitting | Teoria, Prática Guiada, Quiz e Exercícios |
| 08 | Introdução às Redes Neurais | Teoria, Prática Guiada, Quiz e Exercícios |
| 09 | Funções de Ativação | Teoria, Prática Guiada, Quiz e Exercícios |
| 10 | Treinamento de uma Rede Neural | Teoria, Prática Guiada, Quiz e Exercícios |
| 11 | Introdução ao Deep Learning | Teoria, Prática Guiada, Quiz e Exercícios |
| 12 | IA para Imagens (Visão Computacional) ️ | Teoria, Prática Guiada, Quiz e Exercícios |
| 13 | IA para Texto (PLN) | Teoria, Prática Guiada, Quiz e Exercícios |
| 14 | IA Generativa | Teoria, Prática Guiada, Quiz e Exercícios |
| 15 | Ética, Impactos e Mercado ️ | Teoria, Prática Guiada, Quiz e Exercícios |
| 16 | Projeto Final | Teoria, Prática Guiada, Quiz e Exercícios |
| 17 | Redes Neurais Convolucionais (CNNs) e Visão | Teoria, Prática Guiada, Quiz e Exercícios |
| 18 | Redes Recorrentes (RNNs, LSTMs) e Sequências | Teoria, Prática Guiada, Quiz e Exercícios |
| 19 | Treinamento, Overfitting, Regularização e Transfer Learning | Teoria, Prática Guiada, Quiz e Exercícios |
| 20 | Projeto Capstone: Modelo de Deep Learning Autônomo | Teoria, Prática Guiada, Quiz e Exercícios |
🧠 3. Metodologia de Ensino
- Teoria Fundamentada: Aulas com conceitos detalhados, diagramas arquiteturais e sintaxe de referência.
- Ciclo Teoria ⇄ Prática: Cada aula conta com Quiz Interativo (10 questões) para validação imediata, Lista de Exercícios Sanfonados (com Gabarito Explicado) e Desafio de Projeto Prático.
- Laboratório Contínuo: Ambientes configurados passo a passo na seção de Setups da plataforma.
💼 4. Competências e Perfil Desenvolvido
- Dominar as ferramentas e fluxos de desenvolvimento de Introdução à Inteligência Artificial e Redes Neurais.
- Resolver problemas técnicos de alta complexidade com código limpo e performático.
- Construir portfólio prático com 20 projetos aplicados.
📊 5. Critérios de Avaliação
- 20 Listas de Exercícios: Resolução individual dividida em Básico, Intermediário e Desafio.
- 20 Quizzes Interativos: Validação formativa com feedback imediato via JavaScript.
- 20 Desafios de Projetos: Aplicações práticas consolidando o aprendizado de cada unidade.