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

Descrição do curso

Tomar decisões melhores, reduzir custos, aumentar a confiabilidade de processos e acelerar a inovação: é exatamente esse tipo de resultado que a Inteligência Artificial vem destravando na engenharia. Neste curso online gratuito, você entende como a IA se conecta aos problemas reais de projeto, operação e análise, criando uma ponte entre fundamentos e aplicação prática. A proposta é mostrar o que está por trás do hype e o que, de fato, funciona quando dados, restrições e objetivos entram em jogo.

Você começa consolidando a base: conceitos essenciais de IA, transformação digital e o papel de software e hardware na viabilização de soluções. Ao longo do percurso, o curso reforça por que ética e privacidade precisam ser tratadas desde o início, especialmente quando modelos passam a influenciar pessoas, negócios e decisões técnicas. Essa visão ajuda a construir projetos mais responsáveis, robustos e alinhados com boas práticas profissionais.

Na sequência, você mergulha em estratégias de busca e otimização, importantes para problemas de engenharia que envolvem escolhas sob limitações, múltiplas variáveis e objetivos concorrentes. A ideia é desenvolver raciocínio para explorar espaços de solução, comparar abordagens e interpretar resultados, entendendo pontos fortes e limitações de métodos clássicos e meta-heurísticas em situações reais.

O curso também aborda caminhos além dos dados abundantes, apresentando alternativas úteis quando a informação é escassa ou difícil de medir. Você conhece a lógica por trás de sistemas especialistas e da lógica difusa, úteis para traduzir conhecimento humano e regras de decisão em sistemas computacionais, ampliando o repertório para contextos em que Machine Learning tradicional não é a melhor saída.

Quando o foco vai para Machine Learning, você aprende a organizar o fluxo de trabalho com dados: como estruturar tabelas, separar conjuntos de treino/validação/teste, lidar com desbalanceamento e avaliar modelos com métricas adequadas. A partir daí, o curso discute técnicas amplamente usadas em classificação, regressão e agrupamento, sempre com atenção ao que significa “aprender” e ao que pode dar errado na prática, como overfitting, escolhas inadequadas de variáveis e interpretações apressadas.

Para completar, você entra em temas aplicados como redes neurais e deep learning, séries temporais e mineração de textos/PLN, entendendo por que contexto e representação numérica são decisivos para extrair informação. E como comunicar tudo isso importa: o curso traz orientações para visualização e apresentação de resultados, ajudando a transformar modelos em argumentos claros para suportar decisões de engenharia. Ao final, você terá uma visão integrada para iniciar projetos de IA com mais segurança, senso crítico e aplicabilidade.