Informações

Sem informações adicionais.

Destinatários

Nível de escolaridade: minimo 4. º de escolaridade

Objetivos

• Capacitar, com sucesso, os participantes a aplicar técnicas de inteligência artificial (IA) para a análise de dados, com apoio do material e exercícios fornecidos pelo formador.
• Desenvolver, corretamente, habilidades práticas no uso de ferramentas e algoritmos de IA em contextos de análise de dados, com apoio do material e exercícios fornecidos pelo formador.
• Promover, com sucesso, a utilização de IA para extrair insights valiosos e tomar decisões informadas a partir de grandes volumes de dados, com apoio do material e exercícios fornecidos pelo formador.

Conteúdos

1: Introdução à Inteligência Artificial (IA) e análise de dados (10h)

• Conceitos básicos de Inteligência Artificial (IA)
• História e evolução da IA
• Importância da IA na análise de dados
• Aplicações práticas da IA
• Ferramentas e tecnologias principais

2: Fundamentos de análise de Dados (15h)

• Conceitos e tipos de dados
• Pipeline e processo de análise de dados
• Recolha de dados
• Limpeza e preparação dos dados
• Tratamento de dados ausentes
• Técnicas de visualização e análise de dados
• Ferramentas de análise de dados (Excel, Power BI, Python, Tableau, etc.)
• Estatísticas descritivas e inferenciais

3: Machine Learning: 5h

·        Aprendizagem supervisionada vs não supervisionada

• Algoritmos de classificação, de regressão e de clustering

4: Deep Learning: 5h

• Redes neurais: artificiais, convolucionais (CNN) e recorrentes (RNN)

• Ferramentas e frameworks de deep learning

5: Modelos de série temporal e previsão: 5h

• Conceitos de séries temporais
• Modelos ARIMA
• Redes neurais para séries temporais (como RNNs, LSTMs e GRUs.)
• Previsão e análise de tendências

6: Implementação e integração de IA numa empresa: 5h

• Integração de IA com sistemas existentes
• Gestão de projetos de IA e análise de dados

7: Ética e privacidade na análise de dados com IA: 5h

• Princípios éticos na IA
• Privacidade de dados
• Prevenção de vieses em modelos de IA
• Transparência e explicabilidade