Imagem do Curso gratuito Introdução à Inteligência Artificial Aplicada à Engenharia (IA, Machine Learning e Otimização) com o professor Wikki Brasil

Curso online gratuitoIntrodução à Inteligência Artificial Aplicada à Engenharia (IA, Machine Learning e Otimização) com o professor Wikki Brasil

Duração do curso online: 25 horas e 16 minutos

Novo

Curso gratuito de IA aplicada à engenharia: fundamentos, otimização e machine learning, com foco em dados, avaliação de modelos e aplicações práticas.

Neste curso gratuito, aprenda sobre

  • Apresentação do curso
  • Fundamentos e contexto da IA na Engenharia
  • Busca e Otimização (Metaheurísticas)
  • Sistemas Especialistas e Lógica Difusa
  • Machine Learning: fundamentos, dados e avaliação
  • Machine Learning: classificação e modelos probabilísticos
  • Machine Learning: modelos de classificação (árvores, vizinhos, SVM e ensembles)
  • Machine Learning: aprendizado não supervisionado e regras de associação
  • Machine Learning: regressão, redes neurais e séries temporais
  • Mineração de Textos, PLN e Visualização de Resultados

Descrição do curso

Introdução à Inteligência Artificial Aplicada à Engenharia (IA, Machine Learning e Otimização) é um curso online gratuito da área de Tecnologia, Informática e Programação, voltado para quem deseja entender como a IA pode apoiar a tomada de decisão, a automação e a melhoria de desempenho em contextos de engenharia.

A proposta passa pelos fundamentos e pelo panorama da transformação digital, conectando conceitos essenciais de inteligência artificial a aplicações práticas, com atenção a aspectos de ética e responsabilidade no uso de dados e modelos. Ao longo do aprendizado, você consolida a base necessária para compreender como soluções de IA são planejadas, avaliadas e colocadas em funcionamento.

O curso também explora técnicas clássicas de busca e otimização, úteis para resolver problemas de escolha e configuração em cenários reais. Em seguida, amplia a visão para abordagens baseadas em conhecimento, como sistemas especialistas, e para métodos de raciocínio aproximado, como lógica difusa, que ajudam a lidar com incerteza e regras do mundo real.

Na parte de Machine Learning, o foco recai sobre o ciclo de dados, a construção de modelos e a avaliação de qualidade, percorrendo diferentes famílias de algoritmos supervisionados e não supervisionados, além de redes neurais e análise de séries temporais. O conteúdo se completa com temas de mineração de textos, processamento de linguagem natural e boas práticas de visualização e apresentação de resultados, fortalecendo a capacidade de comunicar insights com clareza e precisão.

Conteúdo do curso

  • Aula em vídeo: Curso Gratuito - Introdução à Inteligência Artificial Aplicada à Engenharia - Sobre o curso 09m
  • Exercício: Qual é o foco principal do curso de Inteligência Artificial aplicada à Engenharia?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M1: Introdução 22m
  • Exercício: Qual é o foco do curso ao tratar Inteligência Artificial: IA forte ou IA fraca?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M1: Transformação Digital 28m
  • Exercício: Em uma base de dados organizada em linhas e colunas, como são chamados a linha (cada registro) e as colunas (características) no contexto de Machine Learning?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M1: IA e suas principais aplicações 19m
  • Exercício: Quais são as quatro categorias principais em que a aprendizagem de máquina pode ser dividida?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M1: Ética e o nosso compromisso pt.1 32m
  • Exercício: Qual é o principal motivo para discutir ética e privacidade desde o início da evolução da Inteligência Artificial?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M1: Ética e o nosso compromisso pt.2 27m
  • Exercício: Qual cenário exemplifica melhor o risco de privacidade ligado a deepfakes (uso indevido de imagem) em aplicações de IA?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M1: A Inteligência Artificial 36m
  • Exercício: Por que é recomendado testar mais de um algoritmo em um problema de Machine Learning?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M1: Software e Hardware 32m
  • Exercício: Qual é a principal ideia ao escolher o melhor ecossistema/linguagem para aplicar Inteligência Artificial?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M1: E aí. Como fazer IA. E o futuro 38m
  • Exercício: Por que é recomendado dividir os dados em treino e teste ao construir um modelo de Machine Learning?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M1: O Básico do R pt.1 34m
  • Exercício: No RStudio, qual ação é recomendada para evitar sobrescrição de arquivos e facilitar salvar/carregar dados em projetos diferentes?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M1: O Básico do R pt.2 32m
  • Exercício: No R, qual comando gera a sequência de 1 a 10 com passo de 0,5 (útil para criar vetores de entrada em análises de ML e otimização)?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M2: Algoritmos de Busca e Otimização 33m
  • Exercício: Qual é a principal meta ao aplicar algoritmos de busca e otimização em problemas de Inteligência Artificial?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia- M2: Hill Climbing e Algr. de força bruta 21m
  • Exercício: Qual é uma limitação clássica do algoritmo Hill Climbing em problemas de otimização?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M2: TabuSearch 47m
  • Exercício: No algoritmo Tabu Search, qual é a ideia central da lista tabu?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M2: Simulated Annealing 34m
  • Exercício: No Simulated Annealing, qual é o papel da variável temperatura no processo de busca?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M2: Algoritmo Genético 20m
  • Exercício: Em algoritmos genéticos, o que significa cromossomo?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M2: Algoritmo Genético - Exemplos 54m
  • Exercício: Em algoritmos genéticos no R, como transformar um problema de minimização em um problema de maximização?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M3: Sistemas Especialistas pt.1 29m
  • Exercício: Em situações com pouca ou nenhuma disponibilidade de dados, qual é a ideia central por trás do uso de sistemas especialistas?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M3: Sistemas Especialistas pt.2 22m
  • Exercício: Qual combinação de características define melhor um especialista (e, por consequência, uma boa fonte de conhecimento para um sistema especialista)?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M3: Sistemas Especialistas - Exemplo 23m
  • Exercício: Em um exemplo de elicitação para sistemas especialistas usando o pacote Expert no R, para que servem as perguntas semente (com respostas de referência conhecidas)?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M3: Lógica Difusa 10m
  • Exercício: Qual é a principal diferença entre a lógica booleana e a lógica difusa em termos de estados possíveis?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M3: Lógica Difusa - Exemplos 24m
  • Exercício: Em um sistema de lógica difusa no R usando o pacote sets, qual sequência representa melhor o fluxo básico para obter uma saída numérica (crisp) a partir de entradas?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M4: Machine Learning - Introdução pt.1 19m
  • Exercício: No contexto de Machine Learning, o que melhor define aprender?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M4: Machine Learning - Introdução pt.2 24m
  • Exercício: Em aprendizagem supervisionada, qual elemento da tabela de dados serve como referência (gabarito) para treinar o modelo em problemas de classificação?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M4: Consideração - Dados e Fluxog. pt.1 24m
  • Exercício: Em um problema de classificação com classes desbalanceadas (classe rara), qual abordagem tende a equilibrar melhor o conjunto de treino segundo as técnicas discutidas?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M4: Consideração - Dados e Fluxog. pt.2 24m
  • Exercício: No método de separação de dados em três partes (Freeway data split), qual é o papel principal do conjunto de teste?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M4: Avaliação da Qualidade dos modelos 29m
  • Exercício: Em avaliação de modelos de classificação, qual definição descreve corretamente o F1-score?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M4: Naive Bayes 23m
  • Exercício: No algoritmo Naive Bayes para classificação, como se decide a classe final de uma nova instância?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M4: Naive Bayes - Exemplos 45m
  • Exercício: No método holdout apresentado, qual foi a proporção usada para separar os dados em treino e teste?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M4: Redes Bayesianas 23m
  • Exercício: Qual é a principal diferença conceitual entre o modelo Naive Bayes e Redes Bayesianas?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M4: Árvores de Decisão 29m
  • Exercício: Ao induzir uma árvore de decisão, qual critério é usado para escolher o atributo do nó raiz no exemplo apresentado?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M4: Árvores de Decisão - Exemplos 33m
  • Exercício: Em uma árvore de decisão para classificar bom vs mau pagador, qual prática ajuda a evitar que o algoritmo trate o problema como regressão quando há variáveis numéricas no conjunto de dados?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M4: Vizinho Mais Próximo 18m
  • Exercício: No algoritmo KNN, qual é o papel do parâmetro k na classificação de uma nova instância?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M4: Máquina de Vetores de Suporte 29m
  • Exercício: Na técnica de Support Vector Machine (SVM) para classificação, qual hiperplano é considerado o melhor?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M4: Random Forest 21m
  • Exercício: Em um Random Forest, como a predição final de uma instância é determinada?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M4: Outras técnicas de Classificação 22m
  • Exercício: Na classificação multilabel, qual técnica utiliza as predições de rótulos anteriores como entrada para prever os próximos rótulos?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M4: K-means 38m
  • Exercício: No algoritmo k-means, qual é o ciclo básico de funcionamento até a convergência?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M4: Algoritmos de Associação 34m
  • Exercício: Em regras de associação do tipo A → B, qual definição está correta para a métrica de confiança?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M4: Regressão pt.1 25m
  • Exercício: Em um modelo de regressão múltipla, o que indica que uma variável de entrada deve ser removida do ajuste por não ser representativa?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M4: Regressão pt.2 28m
  • Exercício: Ao usar regularização com a função glmnet, qual preparação dos dados é necessária antes de treinar o modelo?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M4: Redes Neurais pt. 1 1h12m
  • Exercício: Qual é uma regra geral sugerida para escolher a função de ativação ao iniciar o treinamento de uma rede neural?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M4: Redes Neurais pt. 2 34m
  • Exercício: Em redes neurais artificiais, qual é uma boa regra geral para escolher a função de ativação inicial em muitos casos práticos?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M4: Redes Neurais pt. 3 38m
  • Exercício: Qual afirmação descreve melhor o que caracteriza uma rede neural profunda (Deep Learning)?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M4: Redes Neurais - Exemplos 49m
  • Exercício: Em um problema de classificação com rede neural, como deve ser tratada uma variável de saída categórica (ex.: espécies) para que o modelo consiga aprender?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M4: Séries Temporais 59m
  • Exercício: Em séries temporais, qual é o principal objetivo de usar uma média móvel com janela maior (ex.: 20 dias) em vez de uma menor (ex.: 9 dias)?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M5: Mineração de Textos 51m
  • Exercício: Na mineração de textos, qual é o objetivo de transformar um documento em um corpus e depois em matrizes numéricas?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M5: Processamento de Linguagem Natural 22m
  • Exercício: No Processamento de Linguagem Natural (PLN), por que a compreensão de contexto é essencial para interpretar uma frase corretamente?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M5: Visualização e Apresentação pt.1 30m
  • Exercício: Ao apresentar resultados de IA/ML para apoiar decisões, qual prática é mais adequada ao construir um dashboard?
  • Aula em vídeo: Introdução à Inteligência Artificial Aplicada à Engenharia - M5: Visualização e Apresentação pt.2 22m
  • Exercício: No Processamento de Linguagem Natural (PLN), qual é o principal desafio evidenciado pelo exemplo da palavra carteira em diferentes sentidos?

Este curso gratuito inclui:

25 horas e 16 minutos de curso online em vídeo

Certificado digital de conclusão de curso ( Gratuito )

Exercícios para treinar seus conhecimentos

100% gratuito, do conteúdo ao certificado

Pronto para começar?Baixe o app e comece hoje mesmo.

Instale o app agora

para ter acesso ao curso
Ícone representando cursos de tecnologia e negócios

+ de 5.000 cursos gratuitos

Programação, Inglês, Marketing Digital e muito mais! Aprenda o que quiser, gratuitamente.

Ícone de calendário com alvo representando planejamento de estudos

Plano de estudos com IA

A Inteligência Artificial do nosso aplicativo pode criar um cronograma de estudos para o curso que você escolher.

Ícone de profissional representando carreira e negócios

Do zero ao Sucesso profissional

Melhore seu currículo com nosso Certificado gratuito e depois utilize nossa Inteligência Artificial para buscar seu emprego dos sonhos.

Você também pode utilizar o QR Code ou os Links abaixo

QR Code - Baixar Cursa - Cursos Online

Mais cursos gratuitos em Inteligência Artificial e Ciência de Dados

Ebook + Áudiobooks gratuitos! Aprenda ouvindo ou lendo!

Baixe o Aplicativo agora para ter acesso a + de 5000 cursos gratuitos, exercícios, certificado e muito conteúdo sem pagar nada!

  • Cursos online 100% gratuitos do início ao fim

    Milhares de cursos online em vídeo, ebooks e áudiobooks.

  • Mais de 60 mil exercícios gratuitos

    Para testar seus conhecimentos no decorrer dos cursos online

  • Certificado Digital gratuito válido em todo o Brasil

    Gerado diretamente na galeria de fotos do seu celular e enviado ao seu e-mail

Aplicativo Cursa na tela de ebook, na tela de curso em vídeo e na tela de exercícios do curso, mais o certificado de conclusão de curso