Turma 2024

Esta disciplina é importante para o conteúdo de machine learning porque trata de modelos tais como análise de regressão, modelos de regressão com penalidade ou regularização e séries temporais. Uma enfase é dada em modelos para predições.

Esta é uma disciplina introdutória de estatística, na qual estudaremos as bases da estatística que servem de insumo para a disciplina de Estatística Aplicada II. O conteúdo abrange fundamentos de estatística, análise exploratória de dados e testes estatísticos que são úteis em aplicações práticas.

Este é um curso básico de linguagem R. Nele vocês aprenderão as bases desta linguagem que é muito usada em aplicações de inteligência artificial e ciência de dados. Vocês terão contato com programação vetorial, que é uma maneira diferente de resolver problemas que os programadores estão acostumados usando laços. Também são vistos acesso a arquivos, em especial CSV, geração de gráficos e um início da biblioteca "caret" para aprendizado de máquina.

Esta disciplina tem por objetivo apresentar os principais conceitos sobre Linguagem Python, como meio para a solução de problemas computacionais relacionados à Inteligência Artificial.  Vamos conhecer a Linguagem Python e seus principais recursos, desde estruturação de dados , até estruturas condicionais, loops e orientação a objetos. Também teremos duas unidades de exercícios práticos, dedicados à resolução de problemas relacionados à IA utilizando a Linguagem Python.
Portanto, além da apresentação de conceitos em conteúdo teórico, teremos também muitos momentos "mão na massa" nessa disciplina - com muito conteúdo prático de Python. Essa disciplina, portanto, contempla um conteúdo muito atual, que relaciona uma das linguagens de programação mais utilizadas no mercado de trabalho, a Linguagem Python, junto com outro tema atualíssimo - tema central dessa Especialização - que é a Inteligência Artificial.

Esta disciplina dá as bases sobre o conteúdo de Inteligência Artificial. Nela vamos estudar conceitos básicos como busca por soluções e suas várias estratégias. Também abordamos o raciocínio baseado em lógica matemática e um dos grandes problemas em que é aplicado: o planejamento. O aprendizado de máquina, que é um assunto muito atual também é passado, de forma que você poderá entender os vários tipos e ter uma noção do seu funcionamento. Ao final vamos estudar os algoritmos genéticos e suas bases algorítmicas.

O Objetivo dessa disciplina é compreender e saber aplicar o algoritmo genético na solução de problemas NP-completos, compreender os conceitos aplicados nos sistemas de indicação de produtos, mineração de textos, representação vetorial de textos, os modelos de incorporação de palavras e os modelos voltados a análise e geração de textos, para entre outras funções, implementações de chatbots.

Enquanto as soluções de Inteligência Artificial (IA) vêm se desenvolvendo tecnicamente há décadas, é recente a discussão de como fazer com que estas soluções sejam aplicáveis em ambientes corporativos e sociais reais. O objetivo desta disciplina é, então, construir esta perspectiva de projetos de IA que vão além da solução técnica, mas entregam resultados que criam valor para um problema real. Apresentam-se modelos de processos consolidados para construir soluções aplicadas de inteligência artificial, como o CRISP-ML; além de conceitos de projetos e gerenciamento de projetos, baseados em PMBOK, Scrum e Kanban. Finalmente, trabalha-se com uma abordagem detalhada, baseada em sprints, sobre cada atividade que deve ser realizada em um projeto, partindo de um problema real e criando uma solução que será entregue e mantida em execução em longo prazo, suportada por princípios, componentes e workflow de MLOps.

A disciplina de Aspectos Filosóficos, Éticos e Legais da Inteligência Artificial é parte integrante da Especialização em Inteligência Artificial Aplicada da Universidade Federal do Paraná. Este módulo tem como objetivo principal proporcionar aos alunos uma visão abrangente e crítica das interseções entre a IA, a Filosofia, a Ética e o Direito, capacitando-os a refletir de forma crítica sobre as implicações éticas, sociais e legais da IA na sociedade contemporânea.
Durante o curso, os alunos terão a oportunidade de explorar os fundamentos teóricos sobre Filosofia, Ética, Direito e IA, compreender o contexto da IA na Sociedade Informacional, estudar a neutralidade tecnológica no desenvolvimento da IA, analisar as implicações nos Direitos Fundamentais, examinar a utilização da IA na Proteção de Dados Pessoais e explorar a multimodalidade da IA através de temas como machine learning, fake news e plataformas digitais.
A metodologia do curso inclui aulas gravadas expositivas, apresentação de cases atuais e a promoção da reflexão crítica sobre os temas abordados. Os alunos serão avaliados por meio de provas escritas, com foco na compreensão dos conceitos e na capacidade de aplicá-los em situações práticas.
Este módulo visa preparar os alunos para enfrentar os desafios e aproveitar as oportunidades que a IA apresenta na sociedade contemporânea, incentivando a interdisciplinaridade e transdisciplinaridade na aplicação dos conhecimentos na prática. Estamos ansiosos para embarcar nessa jornada de aprendizado e reflexão sobre a IA e seu impacto em nossa sociedade.

A disciplina de Frameworks de IA tem por objetivo explorar, de forma prática, a aplicação de inteligência artificial com o uso de ferramentas amplamente utilizadas no mercado, como o Framework TensorFlow e a Plataforma Google Colab. Durante o curso, vamos conhecer em detalhes essas ferramentas, entendendo seus principais recursos e aplicando-os em diferentes exercícios práticos. A partir desse conhecimento, desenvolveremos exercícios práticos como a classificação de textos, geração de imagens com GANs (Redes Generativas Adversárias), implementação de um sistema de recomendação e, por fim, uma prática com a implementação mínima do Deepdream, uma Rede Neural Convolucional (CNN). Dessa forma, além do conteúdo teórico, teremos uma abordagem "mão na massa", proporcionando um conteúdo com ferramentas e técnicas atuais de IA.

O objetivo dessa disciplina é apresentar o conteúdo de Visão Computacional, mostrando sua parte teórica e aplicações. Na parte teórica as técnicas clássicas de Processamento de Imagens (PI) são apresentadas, essas técnicas envolvem Remoção de Ruídos, Aguçamento, Segmentação, Extração de Características e outras técnicas.As técnicas do estado da arte, Redes Neurais Convolucionais (CNNs), também são apresentadas. A utilização das mesmas e suas aplicações são discutidas. Todas as técnicas são apresentadas de forma teórica e prática. Exemplos de utilização e códigos são mostrados e discutidos, trazendo para a disciplina um aspecto prático e aplicado.

O objetivo dessa disciplina é apresentar Big Data e Data Lake, provendo o entendimento teórico e prático dos conceitos, técnicas e ferramentas fundamentais para lidar com grandes volumes de dados estruturados, semi e não estruturados. Praticamos a utilização do ambiente distribuído e os diversos modelos de dados, envolvendo as principais tecnologias e ferramentas empregadas para o armazenamento e processamento de dados estáticos (batch) ou em movimento (streaming).

O objetivo dessa disciplina é trazer o conteúdo de Deep Learning, apresentando suas diferenças em relação ao Aprendizado de Máquina tradicional. São apresentadas as Redes Neurais Convolucionais (CNNs) usadas em aplicações com imagens, as Redes Neurais Recorrentes (RNNs) muito usadas em processamentos de textos e dados sequencias (séries temporais). Também são apresentados os Autoencoders, usados como extratores de características, compactadores de dados, etc, e as Redes Generativas Adversariais (GANs) usadas para sintetização de dados. Por último, um dos grandes avanços dos últimos anos, os Transformers, que revolucionaram os resultados obtidos em várias área do aprendizado profundo.

O objetivo dessa disciplina é apresentar os principais conceitos que permeiam a Visualização de Dados e Storytelling. Para isso, são apresentados os fundamentos da Visualização de Dados e Storytelling, começando com o que é e sua importância, passando para uma visão geral dos tipos de gráficos e sua aplicação, elementos do design visual que são aplicados neste contexto e a descrição das ferramentas populares para esse tipo de aplicação. Também são apresentadas as principais Técnicas Avançadas utilizadas atualmente. E por fim, são exploradas as tendências emergentes em visualização de dados e storytelling, com a descrição de casos reais.

Esta disciplina é importante para o conteúdo de machine learning porque trata de modelos tais como análise de regressão, modelos de regressão com penalidade ou regularização e séries temporais. Uma enfase é dada em modelos para predições.

Esta é uma disciplina introdutória de estatística, na qual estudaremos as bases da estatística que servem de insumo para a disciplina de Estatística Aplicada II. O conteúdo abrange fundamentos de estatística, análise exploratória de dados e testes estatísticos que são úteis em aplicações práticas.

Esta disciplina dá as bases sobre o conteúdo de Inteligência Artificial. Nela vamos estudar conceitos básicos como busca por soluções e suas várias estratégias. Também abordamos o raciocínio baseado em lógica matemática e um dos grandes problemas em que é aplicado: o planejamento. O aprendizado de máquina, que é um assunto muito atual também é passado, de forma que você poderá entender os vários tipos e ter uma noção do seu funcionamento. Ao final vamos estudar os algoritmos genéticos e suas bases algorítmicas.

Sala com informações gerais para alunos e para que possam efetuar a ambientação com a plataforma UFPR Virtual.

São disponibilizados exemplos de questionário e tarefa, que os professores usarão como avaliação das disciplinas.