Ciência de Dados Aplicada ao Mercado de Óleo e Gás | Curso - UnIBP

Modalidade

EAD - Ensino a distância

Formato

Horário

09h às 18h

Duração

40h

Sobre o curso

Esse curso também é ministrado nas seguintes modalidades:

Sobre o curso

Dividido em seis módulos, o curso mostra os conceitos básicos de Artificial Intelligence (AI) e Machine Learning e as aplicações práticas, apresentando ferramentas como o Tensorflow e o Pandas.

Conheça os objetivos:

  • Introduzir o participante na linguagem de programação Python e nas ferramentas Pandas e Tensorflow;
  • Apresentar os conceitos básicos de Machine Learning e Artificial Intelligence (AI);
  • Mostrar as diferenças entre aprendizado de máquina supervisionado, não-supervisionado e reforçado;
  • Detalhar os conceitos de dataset de treino, validação e teste;
  • Apresentar os tipos de fontes de dados: tabular, imagem, vídeo e texto;
  • Mostrar os tipos fundamentais de problemas em Machine Learning: classificação, previsão e design;
  • Introduzir técnicas de classificação não-supervisionada: k-means, c-means, knn, árvores de decisão e redes neurais artificiais;
  • Iniciar técnicas de classificação supervisionada: máquinas de suporte vetorial e redes neurais artificiais;
  • Apresentar métricas de qualidade de classificação: probabilidade de erro e validação cruzada;
  • Introduzir técnicas de previsão baseadas em redes neurais;
  • Expor os conceitos de tensores e Deep Learning;
  • Abordar técnicas de representação de imagens e vídeos como tensores;
  • Indicar técnicas de representação de texto como tensores por meio de camadas de embedding;
  • Apresentar os tipos de camadas de redes neurais profundas: convolucional, embedding, fully-connected, pooling e outras;
  • Mostrar arquiteturas de redes neurais profundas para identificação de objetos em imagens: Google LeNet, Yolo, Inception e ResNet;
  • Apontar arquiteturas de redes neurais profundas para segmentação de imagens: SegNet e U-Net;
  • Apresentar arquiteturas de redes neurais profundas para classificação de texto;
  • Abordar estudos de caso de Machine Learning na área de Óleo e Gás.

Ao fim do curso, você terá desenvolvido competências para:

  • Identificar oportunidades de aplicação de Machine Learning e Artificial Intelligence (AI), sobretudo na área de Óleo e Gás;
  • Identificar a técnica de Machine Learning ou AI mais adequada a ser aplicada ao problema em questão;
  • Construir modelos de Machine Learning e AI na linguagem Python.

Programa Técnico

• Introdução à linguagem de programação Python e às ferramentas Pandas e Tensorflow.

• Apresentação dos conceitos básicos de Machine Learning e Artificial Intelligence (AI);
• Diferenças entre aprendizado de máquina supervisionado, não-supervisionado e reforçado;
• Conceitos de dataset de treino, validação e teste;
• Tipos de fontes de dados: tabular, imagem, vídeo e texto.

• Técnicas de classificação não-supervisionada: k-means, c-means, knn, árvores de decisão e redes neurais artificiais;
• Técnicas de classificação supervisionada: máquinas de suporte vetorial e redes neurais artificiais;
• Métricas de qualidade de classificação: probabilidade de erro e validação cruzada.

• Técnicas de previsão baseadas em redes neurais.

● Conceitos de tensores e Deep Learning;
● Técnicas de representação de imagens e vídeos como tensores;
● Técnicas de representação de texto como tensores por meio de camadas de embedding;
● Tipos de camadas de redes neurais profundas: convolucional, embedding, fully-connected, pooling e outras;
● Arquiteturas de redes neurais profundas para identificação de objetos em imagens: Google LeNet, Yolo, Inception, ResNet;
● Arquiteturas de redes neurais profundas para segmentação de imagens: SegNet, U-Net;
● Arquiteturas de redes neurais profundas para classificação de texto.

• Estudos de caso de Machine Learning na área de Óleo e Gás.

OUTRAS INFORMAÇÕES

O que o curso inclui?

Material eletrônico
Certificado de conclusão

Como obter o certificado

• Assistir todas as aulas ao vivo (as aulas não ficarão gravadas);
• Realização da Atividade Avaliativa com nota mínima de 8 pontos;
• Realização da Pesquisa de Satisfação.

O certificado será liberado automaticamente no AVA após conclusão dos critérios de aprovação.

VANTAGENS DE ESTUDAR NA UnIBP

Inteligência Setorial

Professores de Destaque

Aprendizagem Aplicada

Educação Flexível

Empreendedorismo

Está com alguma dúvida?

Problemas com seu pedido? Alguma informação não ficou clara? Esse espaço foi criado para tirar dúvidas e receber suas sugestões.

Talvez você também goste

RECEBA TODAS AS NOVIDADES DA UnIBP

Ao clicar no botão "Enviar", você está concordando com os Termos e Condições da UnIBP.
* Todos os campos acima são obrigatórios.