Sistemas Inteligentes

Este Programa avançado 100% online permitirá que você codifique problemas do mundo real por meio de algoritmos e sistemas de computação avançados”

Os Sistemas Inteligentes estão passando por uma evolução constante, o que abre uma ampla variedade de possibilidades para a sociedade em termos gerais. Por exemplo, a implementação da Inteligência Artificial oferece soluções no campo da medicina. Elas vão desde o monitoramento do paciente até o auxílio na tomada de decisões clínicas e no desenvolvimento de novos medicamentos. Isso reflete a importância de os profissionais terem um conhecimento profundo sobre esse assunto para melhorar a qualidade de vida das pessoas. Além disso, para realizar processos de inovação bem-sucedidos, eles precisam estar cientes das últimas tendências nessa área 
de especialização para incorporá-las à sua prática.

Por esse motivo, a TECH está lançando um programa revolucionário que fornecerá aos alunos um prisma integral que funde o Machine Learning com a Engenharia do Conhecimento. Para isso, o itinerário acadêmico se aprofundará na Teoria do Agente e nas Redes de Neurônios. Dessa forma, os alunos aprenderão os métodos mais eficazes para integrar representações de conhecimento, com base na relação entre diferentes tipos de lógica. Por outro lado, a capacitação se concentrará na Percepção Computacional para que os alunos possam lidar adequadamente com as linguagens de programação.

Para consolidar todos esses conteúdos, a TECH se baseia no sistema disruptivo de Relearning. Esse método de ensino se baseia na repetição do conteúdo principal para garantir um aprendizado progressivo e natural.  Além disso, tudo o que os alunos precisarão é de um dispositivo com acesso à Internet para acessar os materiais de estudo remotamente, em um horário ou local de sua escolha. Deve-se observar que o Campus Virtual estará disponível a qualquer momento e permitirá que os usuários façam o download dos conteúdos para que possam consultá-los sempre que desejarem.   

Domine os agentes de software de acordo com a JADE na melhor universidade digital do mundo, segundo a Forbes”  

Este Programa avançado de Sistemas Inteligentes conta com o conteúdo mais completo e atualizado do mercado. Suas principais características são:

• Desenvolvimento de 100 cenários simulados apresentados por especialistas em Sistemas Inteligentes
• Seu conteúdo gráfico, esquemático e extremamente prático fornece informações científicas e práticas sobre a Ciência de Sistemas Inteligentes
• Novidades sobre os mais recentes desenvolvimentos em Sistemas Inteligentes
• Exercícios práticos onde o processo de autoavaliação é realizado para melhorar o aprendizado
• Sistema interativo de aprendizagem baseado no método de caso e sua aplicação à prática real
• Aulas teóricas, perguntas a especialistas, fóruns de discussão sobre temas controversos e trabalhos de reflexão individual
• Disponibilidade de acesso a todo o conteúdo desde qualquer dispositivo, fixo ou portátil, com conexão à Internet

Você poderá usar o software Protégé para criar, editar e visualizar ontologias com eficiência”

A equipe de professores do programa inclui profissionais do setor que trazem para esta capacitação a experiência de seu trabalho, bem como especialistas reconhecidos de sociedades de referência e universidades de prestígio.  

O conteúdo multimídia, desenvolvido com a mais recente tecnologia educacional, permitirá 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, onde o profissional deverá tentar resolver as diferentes situações de prática profissional que surgirem ao longo do curso acadêmico. Para isso, contará com a ajuda de um inovador sistema de vídeo interativo realizado por especialistas reconhecidos.  
 

Aumente seu potencial profissional no mundo da Engenharia do Conhecimento graças aos recursos inovadores que este programa oferece"

Com a metodologia inovadora do Relearning, você assimilará todo o conhecimento necessário para obter os resultados que procura e avançar em sua carreira profissional"

Esta capacitação foi desenvolvida por uma equipe de professores composta por especialistas em Engenharia da Computação, que fornecerá aos alunos uma visão abrangente dos Sistemas Inteligentes. O programa acadêmico analisará em detalhes os agentes da Inteligência Artificial. O programa de estudos fornecerá aos alunos o software mais avançado para a criação de ontologias, incluindo Tripletas RDF. Além disso, a capacitação também se aprofundará em Engenharia do Conhecimento para que os alunos possam desenvolver sistemas que simulem e apliquem o conhecimento humano de forma eficaz. O programa também se concentrará na segmentação 
de imagens com Transformadas de Fourier.

Um programa abrangente e atualizado, configurado como uma ferramenta de alta capacitação de qualidade excepcional”   

Módulo 1. Sistemas Inteligentes

1.1.  Teoria de Agentes
1.1.1.  História do conceito
1.1.2.  Definição de agente
1.1.3.  Agentes em Inteligência Artificial
1.1.4.  Agentes em Engenharia de Software

1.2. Arquiteturas de agentes

1.2.1.  O processo de raciocínio de um agente
1.2.2.  Agentes reativos
1.2.3.  Agentes dedutivos
1.2.4.  Agentes híbridos
1.2.5.  Comparativa

1.3. Informação e conhecimento

1.3.1.  Distinção entre dados, informações e conhecimentos
1.3.2.  Avaliação da qualidade dos dados
1.3.3.  Métodos de captura de dados
1.3.4.  Métodos de aquisição de informações
1.3.5.  Métodos de aquisição de conhecimentos

1.4. Representação do conhecimento

1.4.1.  A importância da representação do conhecimento
1.4.2.  Definição da representação do conhecimento através de suas funções
1.4.3.  Características de uma representação do conhecimento

1.5. Ontologias

1.5.1.  Introdução aos metadados
1.5.2.  Conceito filosófico de ontologia
1.5.3.  Conceito informático de ontologia
1.5.4.  Ontologias de domínio e ontologias de nível superior
1.5.5.  Como construir uma ontologia

1.6. Linguagens para ontologias e software para criação de ontologias

1.6.1.  Tríade RDF, Turtle e N3
1.6.2.  RDF Schema
1.6.3.  OWL
1.6.4.  SPARQL
1.6.5.  Introdução às diferentes ferramentas para a criação de ontologias
1.6.6.  Instalação e uso do Protégé

1.7. Web Semântica

1.7.1.  O estado atual e futuro da segurança ad web semântica
1.7.2.  Aplicações da web semântica

1.8. Outros modelos de representação do conhecimento

1.8.1.  Vocabulários
1.8.2.  Visão global
1.8.3.  Taxonomias
1.8.4.  Tesauros
1.8.5.  Folksonomias
1.8.6.  Comparativa
1.8.7.  Mapas mentais

1.9. Avaliação e integração das representações do conhecimento

1.9.1.  Lógica de ordem zero
1.9.2.  Lógica de primeira ordem
1.9.3.  Lógica descritiva
1.9.4.  Relação entre diferentes tipos de lógica
1.9.5.  Prolog: programação baseada em lógica de primeira ordem

1.10.  Raciocinadores Semânticos, Sistemas Baseados no Conhecimento e Sistemas Especialistas

1.10.1.  Conceito de raciocinador
1.10.2.  Aplicações de um raciocinador
1.10.3.  Sistemas baseados no conhecimento
1.10.4.  MYCIN, história dos Sistemas Especialistas
1.10.5.  Elementos e Arquitetura de Sistemas Especialistas
1.10.6.  Criação de Sistemas Especialistas

Módulo 2. Inteligência Artificial e Engenharia do Conhecimento

2.1. Introdução à Inteligência Artificial e à Engenharia do Conhecimento

2.1.1.  Breve história da Inteligência Artificial
2.1.2.  Inteligência Artificial nos dias de hoje
2.1.3.  Engenharia do Conhecimento

2.2.  Pesquisa

2.2.1.  Conceitos comuns de busca
2.2.2.  Busca não informada
2.2.3.  Busca informada

2.3. Satisfação booleana, satisfação de restrições e planejamento automático

2.3.1.  Satisfação booleana
2.3.2.  Problemas de satisfação de restrições
2.3.3.  Planejamento automático e PDDL
2.3.4.  Planejamento como busca heurística
2.3.5.  Planejamento com SAT

2.4. Inteligência Artificial em jogos

2.4.1.  Teoria dos jogos
2.4.2.  Minimax e Poda Alfa-Beta
2.4.3.  Simulação: Monte Carlo

2.5. Aprendizagem supervisionada e não supervisionada

2.5.1.  Introdução à machine learning
2.5.2.  Classificação
2.5.3.  Regressão
2.5.4.  Validação dos resultados
2.5.5.  Agrupamento (Clustering)

2.6. Redes de neurônios

2.6.1.  Fundamentos biológicos
2.6.2.  Modelo computacional
2.6.3.  Redes de neurônios supervisionadas e não supervisionadas
2.6.4.  Perceptron simples
2.6.5.  Perceptron Multicamadas

2.7. Algoritmos genéticos

2.7.1.  História
2.7.2.  Base biológica
2.7.3.  Codificação de problemas
2.7.4.  Geração da população inicial
2.7.5.  Algoritmo principal e operadores genéticos
2.7.6.  Avaliação de indivíduos: fitness

2.8. Tesauros, vocabulários, taxonomias

2.8.1.  Vocabulários
2.8.2.  Taxonomias
2.8.3.  Tesauros
2.8.4.  Ontologias

2.9. Representação do conhecimento: Web Semântica

2.9.1.  Web Semântica
2.9.2.  Especificações RDF, RDFS e OWL
2.9.3.  Inferência/raciocínio
2.9.4.  Linked Data

2.10. Sistemas especializados e DSS

2.10.1.  Sistemas especializados
2.10.2.  Sistemas de suporte à decisão

Módulo 3. Sistemas multiagente e percepção computacional

3.1. Agentes e sistemas multiagente

3.1.1.  Conceito de agente
3.1.2.  Arquiteturas
3.1.3.  Comunicação e coordenação
3.1.4.  Linguagens de programação e ferramentas
3.1.5.  Aplicações dos agentes
3.1.6.  A FIPA

3.2. O padrão para agentes: FIPA

3.2.1.  Comunicação entre os agentes
3.2.2.  A gestão dos agentes
3.2.3.  Arquitetura abstrata
3.2.4.  Outras especificações

3.3.  A plataforma JADE

3.3.1.  Os agentes software de acordo com JADE
3.3.2.  Arquitetura
3.3.3.  Instalação e execução
3.3.4.  Pacotes JADE

3.4. Programação básica com JADE

3.4.1.  O console de gestão
3.4.2.  Criação básica de agentes

3.5. Programação avançada com JADE

3.5.1.  Criação avançada de agentes
3.5.2.  Comunicação entre agentes
3.5.3.  Descoberta de agentes

3.6. Visão Artificial

3.6.1.  Processamento e análise digital de imagens
3.6.2.  Análise de imagens e visão artificial
3.6.3.  Processamento de imagens e visão humana
3.6.4.  Sistema de captação de imagens
3.6.5.  Formação em imagem e percepção

3.7. Análise de imagens digitais

3.7.1.  Etapas do processo de análise de imagens
3.7.2.  Pré-processamento
3.7.3.  Operações básicas
3.7.4.  Filtragem espacial

3.8. Transformação de imagens digitais e segmentação de imagens

3.8.1.  Transformadas de Fourier
3.8.2.  Filtragem por frequência
3.8.3.  Conceitos básicos
3.8.4.  Segmentação
3.8.5.  Detecção de contornos

3.9. Reconhecimento de formas

3.9.1.  Extração de características
3.9.2.  Algoritmos de classificação

3.10. Processamento de linguagem natural

3.10.1.  Reconhecimento automático da fala
3.10.2.  Linguística computacional

Você terá à sua disposição os mais modernos recursos educacionais, com acesso gratuito ao Campus Virtual 24 horas por dia”