Se você está à procura da excelência profissional, matricule-se na TECHe lhe ajudaremos a alcançá-la"

A capacitação e qualificação em computação quântica representa definitivamente uma grande oportunidade. Isso se verifica atualmente e, sem dúvida, continuará consolidando-se ainda mais no futuro. Uma área fundamental em que a computação quântica está se mostrando mais eficiente é no campo da Machine Learning e sua aplicação a problemas reais proativos, preditivos e prescritivos.

Este Programa avançado analisará situações nas quais uma vantagem quântica poderia ser alcançada no contexto de análises avançadas e inteligência artificial para o mundo da engenharia. O objetivo é apresentar os benefícios que as tecnologias quânticas atuais e futuras poderão trazer ao aprendizado de máquinas, com ênfase em algoritmos como modelos baseados em Kernel, a otimização e as redes convolucionais.

Além disso, nesta capacitação o aluno examinará os principais casos de uso que existem para a visão por computador: classificação, detecção de objetos, identificação de objetos, rastreamento de objetos. Através do recurso Transfer Learning, o aluno analisará quais modelos de redes estão disponíveis atualmente, visando facilitar o treinamento do modelo e aplicando esta técnica ao seu projeto industrial.

Tratando-se de um Programa avançado 100% online, o aluno não estará condicionado por horários pré-estabelecidos ou pela necessidade de deslocar-se para outro local físico. Através de um dispositivo com acesso à internet, será possível consultar o enriquecedor conteúdo que facilitará ao aluno a aquisição das técnicas de computação quântica, alcançando inclusive a elite da indústria informática. Todos estes aspectos, o aluno terá 
à disposição a qualquer momento do dia, podendo conciliar, ao seu ritmo, suas atividades profissionais e pessoais com seus estudos.

Este Programa avançado irá levá-lo de forma progressiva e constante a adquirir os conhecimentos e competências indispensáveis" 

Este Programa avançado de Visão Artificial e Computação Quântica conta com o conteúdo mais completo e atualizado do mercado. Suas principais características são:

• O desenvolvimento de casos práticos apresentados por especialistas em Visão Artificial e Computação Quântica
• Os conteúdos gráficos, esquemáticos e extremamente úteis fornecem informações práticas sobre as disciplinas indispensáveis para o exercício da profissão
• Contém exercícios práticos, onde o processo de autoavaliação é realizado para melhorar a aprendizagem
• Destaque especial para as metodologias inovadoras
• Lições teóricas, perguntas aos especialistas, fóruns de discussão sobre temas controversos e trabalhos de reflexão individual
• Disponibilidade de acesso a todo o conteúdo a partir de qualquer dispositivo fixo ou portátil com conexão à internet

Você analisará os modelos de redes disponíveis atualmente, a fim de facilitar o treinamento do nosso modelo aplicando a técnica Transfer Learning"

O corpo docente deste programa conta com profissionais do setor, que transferem toda a experiência adquirida ao longo de suas carreiras para esta capacitação, além de especialistas reconhecidos de instituições de referência e universidades de prestígio.  

O seu conteúdo multimídia, desenvolvido com a mais recente tecnologia educacional, oferece ao profissional uma aprendizagem contextualizada, ou seja, realizada através de um ambiente simulado, proporcionando uma capacitação imersiva e , programada para praticar diante de situações reais.  

A estrutura deste programa se concentra na Aprendizagem Baseada em Problemas, donde o profissional deverá tentar resolver as diferentes situações de prática profissional que surjam ao longo do curso acadêmico. Para isso, o profissional contará com a ajuda de um inovador sistema de vídeo interativo desenvolvido por destacados especialistas nesta área.   

Aumente suas habilidades no desenvolvimento de soluções setoriais com a visão artificial e prepare-se para o sucesso”

A capacitação e qualificação em computação quântica representa definitivamente uma grande oportunidade para impulsionar sua carreira”

Através de um excelente material didático dividido em três módulos, conceituados engenheiros reuniram os últimos avanços em Visão Artificial e Computação Quântica. Este Programa avançado contempla desde a construção de redes neurais convolucionais, circuitos quânticos e algoritmos clássicos de Machine Learning até o conceito Transfer Learning e a programação de computadores quânticos, entre outros. Neste sentido, analisaremos de forma detalhada o escopo de aplicação de cada tecnologia no mundo da engenharia, compreendendo as vantagens competitivas proporcionadas ao setor industrial.

Examine em quais situações uma vantagem quântica poderia ser alcançada no contexto de uma análise avançada e inteligência artificial no campo industrial"

Módulo 1. I+D+I.A. Computer Vision: Identificação e Rastreamento de Objetos

1.1. Visão por computador

1.1.1. Computer Visión
1.1.2. Visão computacional
1.1.3. Interpretação das máquinas em uma imagem

1.2. Funções de ativação

1.2.1. Funções de ativação
1.2.2. Sigmoide
1.2.3. ReLU
1.2.4. Tangente Hiperbólica
1.2.5. Softmax

1.3. Construção de Redes Neurais Convolucionais

1.3.1. Operação de Convolução
1.3.2. Camada ReLU
1.3.3. Pooling
1.3.4. Flattering
1.3.5. Full Connection

1.4. Processo da Convolução

1.4.1. Funcionamento de uma convolução
1.4.2. Códigos da Convolução
1.4.3. Convolução: aplicação

1.5. Transformações com imagens

1.5.1. Transformações com imagens
1.5.2. Transformações avançadas
1.5.3. Transformações com imagens. Aplicação
1.5.4. Transformações com imagens. Use Case

1.6. Transfer Learning

1.6.1. Transfer Learning
1.6.2. Transfer Learning. Tipologia
1.6.3. Redes profundas para aplicar Transfer Learning

1.7. Computer Visión. Use Case

1.7.1. Classificação de imagens
1.7.2. Detecção de objetos
1.7.3. Identificação de objetivos
1.7.4. Segmentação de objetos

1.8. Detecção de objetos

1.8.1. Detecção a partir da Convolução
1.8.2. R-CNN, busca seletiva
1.8.3. Detecção rápida com YOLO
1.8.4. Outras possíveis soluções

1.9. GAN. Redes Generativas Antagônicas , ou Generative Adversarial Networks

1.9.1. Redes generativas adversárias
1.9.2. Código para uma GAN
1.9.3. GAN. Aplicação

1.10. Aplicação de Modelos de Computer Vision

1.10.1. Organização de conteúdos
1.10.2. Motores de busca visual
1.10.3. Reconhecimento facial
1.10.4. Realidade aumentada
1.10.5. Condução autônoma
1.10.6. Identificação de falhas em cada montagem
1.10.7. Identificação de pragas
1.10.8. Saúde

Módulo 2. Um Novo Modelo de Computação

2.1. Computação quântica

2.1.1. Diferenças com a Computação Clássica
2.1.2. Necessidade da computação quântica
2.1.3. Computadores quânticos disponíveis: natureza e tecnologia

2.2. Aplicações da computação quântica

2.2.1. Aplicações da Computação Quântica vs. Computação Clássica
2.2.2. Contextos de uso
2.2.3. Aplicação em casos reais

2.3. Fundamentos matemáticos da computação quântica

2.3.1. Complexidade Computacional
2.3.2. Experimento de fenda dupla. Partículas e ondas
2.3.3. O entrelaçamento

2.4. Fundamentos geométricos da computação quântica

2.4.1. Qubit e espaço de Hilbert bidimensional complexo
2.4.2. Formalismo geral de Dirac
2.4.3. Estados de N-Qubits e espaço de Hilbert da dimensão 2n

2.5. Fundações matemáticas álgebra linear

2.5.1. O produto interno
2.5.2. Operadores Hermitianos
2.5.3. Eigenvalues e Eigenvectors

2.6. Circuitos Quânticos

2.6.1. Os estados de Bell e as matrizes Pauli
2.6.2. Portas lógicas quânticas
2.6.3. Portas de controle quânticas

2.7. Algoritmos quânticos

2.7.1. Portas quânticas reversíveis
2.7.2. Transformada de Fourier Quântica
2.7.3. Teletransporte Quântico

2.8. Algoritmos demonstrando a Supremacia Quântica

2.8.1. Algoritmo de Deutsch
2.8.2. Algoritmo de Shor
2.8.3. Algoritmo de Grover

2.9. Programação de computadores quânticos

2.9.1. Meu primeiro programa em Qiskit (IBM)
2.9.2. Meu primeiro programa em Ocean (Dwave)
2.9.3. Meu primeiro programa em Cirq (Google)

2.10. Aplicações da computação quântica

2.10.1. Criação de portas lógicas

2.10.1.1. Criação de um Somador Digital Quântico

2.10.2. Criação de jogos quânticos
2.10.3. Comunicação secreta de chaves entre Bob e Alice

Módulo 3. Quantum Machine Learning: a Inteligência Artificial (I.A.) do Futuro

3.1. Algoritmos de Machine Learning clássicos

3.1.1. Modelagem descritiva, preditiva, pró-ativa e prescritiva
3.1.2. Modelos supervisionados e não supervisionados
3.1.3. Redução de características, PCA, matriz de covariância, SVM, redes neurais
3.1.4. A otimização em ML: descida de gradiente

3.2. Algoritmos de Deep Learning clássicos

3.2.1. Redes de Boltzmann: a revolução em Machine Learning
3.2.2. Modelos de Deep Learning: CNN, LSTM, GAN
3.2.3. Modelos Encoder-Decoder
3.2.4. Modelos de análise de sinais: análise de Fourier

3.3. Classificadores Quânticos

3.3.1. Geração de um classificador quântico
3.3.2. Codificação de dados em estados quânticos por amplitude
3.3.3. Codificação de dados em estados quânticos por fase/ângulo
3.3.4. Codificação de alto nível

3.4. Algoritmos de Otimização

3.4.1. Quantum Approximate Optimization Algorithm (QAOA)
3.4.2. Variational Quantum Eigensolvers (VQE)
3.4.3. Quadratic Unconstrained Binary Optimization (QUBO)

3.5. Algoritmos de Otimização: Exemplos

3.5.1. PCA com circuitos quânticos
3.5.2. Otimização dos pacotes do mercado de ações
3.5.3. Otimização de rotas logísticas

3.6. Quantum Kernels Machine Learning

3.6.1. Variational Quantum Classifiers. QKA
3.6.2. Quantum Kernel Machine Learning
3.6.3. Classificação baseada em Quantum Kernel
3.6.4. Clustering baseado em Quantum Kernel

3.7. Quantum Neural Networks

3.7.1. Redes neurais clássicas e o perceptron
3.7.2. Redes neurais quânticas e o perceptron
3.7.3. Redes neurais convolucionais quânticas

3.8. Algoritmos avançados de Deep Learning (DL)

3.8.1. Quantum Boltzmann Machines
3.8.2. General Adversarial Networks
3.8.3. Quantum Fourier Transformation, Quantum Phase Estimation and Quantum Matrix

3.9. Machine Learning. Use Case

3.9.1. Experimentação com VQC (Variational Quantum Classifier)
3.9.2. Experimentação com Quantum Neural Networks
3.9.3. Experimentação com qGANS

3.10. Computação quântica e inteligência artificial

3.10.1. Capacidade quântica em modelos ML
3.10.2. Quantum Knowledge Graphs
3.10.3. O futuro da inteligência artificial quântica

Atualize-se com os últimos avanços em Visão Artificial e Computação Quântica no campo da engenharia"