Pós-Graduação em

Machine Learning
EMENTA DO CURSO
Olá!
Com esta Pós-Graduação, você
aprenderá a trabalhar na modelagem,
construção e aplicação das técnicas e
frameworks para a solução de problemas
através do aprendizado de máquina.
 Conteúdo
Pós Graduação em
Machine Learning

Sobre o IGTI 04

IGTI em números 05

Sobre a Pós-Graduação 06

Conteúdo 07

Projeto Aplicado 13

Contato 14
4

Sobre o IGTI

O Instituto de Gestão e Tecnologia da Informação,

... IGTI é exemplo de programas a
distância (EAD)”...
fundado em 2006, é uma instituição de ensino superior
credenciada pelo MEC. É referência nacional na formação
profissional em TI e Tecnologias Emergentes, e possui
um modelo educacional a distância que prioriza a
excelência acadêmica dos seus alunos.

Valor Econômico
Conecte-se com o futuro! Estude a distância
com aulas semanais por videoconferência.
5
O que estão falando sobre o IGTI?
O IGTI foi contemplado em 2020, pelo segundo ano
consecutivo, como uma das 3 empresas mais inovadoras no
IGTI em números uso da TI no Brasil pelo IT Forum, na categoria Educação.

Muitos são os motivos para investir no seu futuro profissional

através do IGTI.

85% de Satisfação 100% Interativo

Percentual de alunos que avaliam as As aulas semanais ao vivo permitem
suas disciplinas com 4 ou 5 estrelas. esclarecer dúvidas diretamente com
o professor.

98% de Satisfação 93% de Retenção

no Atendimento Taxa de alunos que concluem o
A educação do IGTI é centrada na curso muito superior à média de
experiência e satisfação do aluno. mercado para EAD.

Formação intensiva, prática e imersiva em habilidades

para atuação no mercado de tecnologia.
6
Sobre a Pós-Graduação
Transforme a sua carreira em 8 meses
E aprenda as habilidades que o mercado procura
de forma acelerada e produtiva.
Pós-Graduação lato sensu para você
virar especialista
Experiência educacional interativa, hands-on e
centrada no aluno. Uma oportunidade para você
dar um salto na carreira.
Cursos atualizados e adequados para
sua sua jornada profissional
Conteúdo com teoria e muita prática para você
solucionar problemas enfrentados no dia a dia de
trabalho.
Agilidade, qualidade, foco no aluno,
suporte e acessibilidade
Professores que são referência em suas áreas. Curso
prático que contempla conteúdo teórico, dois desafios
e Projeto Aplicado.
7

Bootcamp Engenheiro(a)
de Machine Learning

Objetivo principal: Pré-requisitos

O objetivo do Bootcamp é apresentar os • Conhecimentos básicos de programação,

conceitos fundamentais, práticas e ferramentas microinformática e inglês.
mais utilizadas na engenharia de aprendizagem • Cartão de crédito para criação das contas
de máquina. gratuitas no Azure / AWS.

Objetivos específicos:

• Resolva problemas através da aplicação de

algoritmos de inteligência artificial
• Conheça os principais frameworks e técnicas
de machine learning utilizadas para a análise e
previsões de cenários.
8
Módulos
Aquecimento e Regras do Jogo
• Visão geral da dinâmica do curso, conteúdos
e ferramentas utilizadas.
Duração: 4 horas
1 Fundamentos
• Introdução ao Aprendizado de Máquina
(Machine Learning);
• Conceitos básicos de Sistemas Especialistas;
• Algoritmos de Aprendizado Supervisionado;
• Algoritmos de Aprendizado Não-
supervisionado;
• Conceitos de Classificação e regressão;
• Sistemas de recomendação;
• Redes Neurais e Deep Learning;
• Aprendizado por Reforço (Reinforcement
Learning);
• Processamento de Texto e Análise de
Sentimentos;
• Principais aplicações de Aprendizado de
Máquina;
• Introdução às Principais linguagens de
programação e frameworks utilizados em
Aprendizado de Máquina.
Duração: 32 horas
9

2 Modelos preditivos e séries 3 Seleção de Modelos de

temporais Aprendizado de Máquina

• Cross-Validation para validação e seleção

• Passos para a construção de um Modelo
de modelos;
Preditivo;
• Estimativa de desempenho de modelos;
• Resampling, Boosting;
• Métricas para modelos. Acurácia.
• Algoritmos para construção de Modelos
• Classificação. Regressão. Agrupamento;
Preditivos;
• Métricas multilabel;
• Comparação entre modelos;
• Escolha de algoritmos;
• Aplicações de Modelos Preditivos;
• Configuração/Parametrização adequada de
• Séries temporais;
algoritmos;
• Modelos paramétricos para a análise de
• Tuning, Randomized Parameter,
séries temporais;
Optimization, Força bruta, Exhaustive Grid
• RNR e CNN para a previsão de séries
Search.
temporais.

Duração: 32 horas
10

• Medidas de qualidade; • Exploração e generalização;

• Avaliação da qualidade de uma • Aprendizado de Máquina por reforço online e
solução; batch;
• Curvas de validação e Curvas de • Teoria dos jogos;
aprendizado. • Agente e multiagente;
• Processo de decisão de Markov (MDP);
Duração: 32 horas • Aplicações.
• Deploy de modelos (flask/django).
4 Metodologias de Duração: 32 horas
Aprendizado
5 Desafio Final
• Algoritmos de aprendizado de
• máquina supervisionado e não Conclusão da aplicação final.
supervisionado;
• Redes neurais artificiais; Duração: 16 horas
• Deep Learning;
11

Bootcamp Analista de
Machine Learning

Objetivo principal: • Entenda o potencial da Inteligência Artificial

para atuação em um amplo espectro de
Capacitar o(a) aluno(a) a atuar na resolução aplicações no mercado.
de problemas em diferentes áreas através
da aplicação dos conceitos e ferramentas de Pré-requisitos
aprendizado de máquina.
Conhecimento em lógica de programação.
Objetivos específicos:

• Atue profissionalmente como Analista de

Machine Learning.
• Domine os algoritmos e ferramentas de
Aprendizado de Máquina para aplicação na
solução de problemas reais.
12
Módulos
Aquecimento e Regras do Jogo
• Visão geral da dinâmica do curso,
conteúdos e ferramentas utilizadas.
Duração: 4 horas
1 Fundamentos
• Introdução, Ordem Cronológica e história
das Redes Neurais Artificiais;
• Características básicas de Redes Neurais
Artificiais;
• Estrutura do neurônio artificial;
• Funções de Ativação, Perda e Custo;
• Descida do Gradiente;
• Learning Rate;
• O modelo MCP;
• Treinamento e Técnicas de Aprendizado
(Supervisionado, Semi-supervisionado e Não-
• Supervisionado);
• Perceptron e Rede Perceptron de Múltiplas
Camadas (MLP);
• AlexNet;
• Algoritmo Backpropagation;
• Redes de Função de Base Radial
• GAN, GRU e LSTM;
• Aplicações de Redes Neurais Artificiais;
• Reconhecimento de padrões;
• Classificação de imagens;
• Séries Temporais;
• Geração de Conteúdo;
• Precificação Dinâmica;
• Convolutional Neural Networks (CNN)
• Definição da quantidade de camadas e do número
de neurônios;
13

• Análise semântica;
• Redes Neurais Recorrentes (RNR) e • Desambiguação;
Recursivas (Recurrent and Recursive • Processamento de textos;
Neural Networks). • Tradução de textos;

Duração: 32 horas Duração: 32 horas

2 Processamento de Linguagem 3 Sistemas de Recomendação

Natural • Introdução aos sistemas de recomendação;
• Métodos para recomendações;
• Introdução ao Processamento da • Medidas de similaridade;
Linguagem Natural; • Amostragem;
• Estrutura e sintaxe da linguagem; • Dimensão reduzida;
• Técnicas de pré-processamento de textos; • Recomendação por associação;
• Word2Vec; • Filtragem Colaborativa para recomendação;
• BagOfWords; • Filtragem baseada em conteúdo;
• Glove; • Filtragem Demográfica;
• Arquitetura de Processamento da • Agrupamento K-means aplicado à Sistemas de
Linguagem Natural; Recomendação;
• Coleta de dados Web e redes sociais;
• Análise de Sentimento;
14

• Análise de Correlação aplicada à • Computação em nuvem, neblina e edge na IoT;

Sistemas de Recomendação; • Dispositivos para IoT (Arduino e Raspberry Pi);
• Métrica para avaliação de sistemas de • Análise de dados em dispositivos IoT;
recomendação • Aplicações IoT: cidades inteligentes, veículos
conectados, veículos autônomos, cuidado com
Duração: 32 horas a saúde (healthcare), domótica (automação
residencial), indústria 4.0 e governamental;
• Importância do aprendizado de máquina para a IoT;
4 Aplicações de Aprendizado de • Algoritmos e frameworks utilizados para o
Máquina para IoT aprendizado de máquina na IoT.

• Conceitos fundamentais para a Internet Duração: 32 horas

das Coisas (atuadores/sensores/
gateways); 5 Desafio Final
• Elementos constituintes e características
dos dispositivos IoT; Conclusão da aplicação final.
• Particularidades dos dados gerados
pelos dispositivos IoT; Duração: 16 horas
• Diferenças entre o Big Data IoT e o Big
Data gerado por outras fontes (redes
sociais, data warehouse etc);
15
Projeto Aplicado
Sobre o P.A:
A partir do aprendizado nos bootcamps que
compõem a sua Trilha de Pós-Graduação, é hora
de começar seu Projeto Aplicado.
É a última etapa da sua especialização,
momento em que você será, mais do que nunca,
protagonista da sua jornada de conhecimento. No
PA, você será apresentado para problemas com
alto grau de incerteza e o desafio será propor
ideias inovadoras para solucioná-los.
O projeto substitui o tradicional Trabalho
de Conclusão de Curso, com uma diferença
fundamental: é focado em entrega de valor,
aplicabilidade, praticidade e com situações
atuais que ocorrem no mercado de trabalho.
Ao longo do PA, você terá dinâmicas de grupo
e orientação personalizada para auxiliá-lo(a)
nesta etapa.
Ao final dos dois bootcamps e do PA, você
receberá seu título de pós-graduação
chancelado pelo MEC e terá ainda mais
habilidades técnicas para alavancar sua carreira.
16

Contato

Rua Roma 561, Santa Lúcia.

CEP 30.360-680
Belo Horizonte, Minas Gerais

www.igti.com.br

0800 200 4488 | (31) 3047-3612

Inscreva-se na Pós-Graduação