Célula de Ensino evolução que gera resultados
Engenharia de Machine Learning, Redes Neurais Profundas e Sistemas de IA

Sob o Capô do Aprendizado de Máquina: Redes Neurais, Descida de Gradiente, Retropropagação, Funções de Ativação, Imagens/Texto e Dados (Trilha Start)

Para ir além do uso superficial de ferramentas prontas de Inteligência Artificial, o profissional valorizado no Brasil e no exterior precisa compreender o que acontece 'sob o capô' do Aprendizado de Máquina. Neste curso introdutório, você dominará os conceitos fundamentais de IA, Machine Learning e Redes Neurais Artificiais: como os neurônios artificiais são estruturados e treinados via Descida de Gradiente e Retropropagação (Backpropagation), o papel das Funções de Ativação (ReLU, Sigmoid, Softmax), métricas de avaliação, diagnóstico de Overfitting e Underfitting, como as redes processam imagens e texto e por que a qualidade dos dados define o sucesso de qualquer modelo.

6 células 6h Iniciante
🚀 Escada de Valor • Pacotes & Credit Upgrade (R$ 29,99 a R$ 199,99)

Jornada Executiva: Sob o Capô do Aprendizado de Máquina, Redes Neurais, MLOps & Carreira Global em IA

De Sob o Capô do Machine Learning e Redes Neurais (R$ 29,99) a IA Aplicada no Brasil, Engenharia PyTorch/Transformers, MLOps/ISO 42001 e Master Internacional (R$ 199,99).

🎯 1. Porta de Entrada (R$ 29,99) Inicie pela Trilha Start (R$ 29,99) com baixo atrito financeiro e domine os fundamentos globais na prática.
💳 2. Abatimento no Upgrade (Credit Upgrade) 100% dos R$ 29,99 investidos na Trilha Start viram crédito imediato (cupom UPGRADE29) para abater nas Trilhas 2, 3, 4 ou 5!
🌍 3. Certificação Dupla (PT-BR & EN) + ODS Certificados emitidos em Português e Inglês com competências alinhadas aos ODS da ONU para seu perfil global no LinkedIn.
Alinhamento ONU / Agenda Pós-2030: ODS 4 (Educação Tecnológica e IA) ODS 8 (Produtividade Digital e Carreiras Globais) ODS 9 (Indústria 4.0, Inovação e Infraestrutura de IA) ODS 12 (Green AI e Eficiência Computacional) ODS 17 (Governança Global de IA ISO 42001)
Sugestões CdE

Compare com trilhas semelhantes

Sugestões ligadas ao conteúdo desta trilha para apoiar sua decisão de matrícula.

Machine Learning e Redes Neurais Aplicados no Brasil: Finanças/PIX Antifraude, Agronegócio (Visão Computacional), Indústria 4.0, PLN em Português e LGPD R$ 59,90
Engenharia de Machine Learning, Redes Neurais Profundas e Sistemas de IA

Machine Learning e Redes Neurais Aplicados no Brasil: Finanças/PIX Antifraude, Agronegócio (Visão Computacional), Indústria 4.0, PLN em Português e LGPD

Aplique redes neurais, análise de imagens/texto e engenharia de dados nos setores que mais contratam no Brasil: sistema financeiro (PIX antifraude e Open Finance), agronegócio de precisão, manutenção preditiva industrial, PLN em português e LGPD.

📚 6 células ⏱️ 16h Intermediário
Engenharia de Redes Neurais Profundas (PyTorch / TensorFlow): Otimizadores Avançados, Regularização, Visão Computacional (CNNs/ViT), Transformers (LLMs) e Data-Centric AI R$ 69,90
Engenharia de Machine Learning, Redes Neurais Profundas e Sistemas de IA

Engenharia de Redes Neurais Profundas (PyTorch / TensorFlow): Otimizadores Avançados, Regularização, Visão Computacional (CNNs/ViT), Transformers (LLMs) e Data-Centric AI

Aprofunde a engenharia matemática e de código das Redes Neurais Profundas: otimizadores modernos (SGD com Momentum, RMSProp, AdamW), regularização contra overfitting, arquiteturas CNN/ViT, mecanismo de Self-Attention (Transformers) e Data-Centric AI.

📚 6 células ⏱️ 24h Intermediário / Avançado
MLOps, Governança Internacional de IA (ISO/IEC 42001 & EU AI Act), Explicabilidade (XAI) e Viabilidade Financeira / ROI de Sistemas de IA em Produção R$ 79,90
Engenharia de Machine Learning, Redes Neurais Profundas e Sistemas de IA

MLOps, Governança Internacional de IA (ISO/IEC 42001 & EU AI Act), Explicabilidade (XAI) e Viabilidade Financeira / ROI de Sistemas de IA em Produção

Leve redes neurais do notebook para a produção global: engenharia MLOps, monitoramento de Data/Concept Drift, IA Explicável (SHAP, LIME, Integrated Gradients), conformidade internacional ISO/IEC 42001 e EU AI Act, otimização de custos de GPU e ROI.

📚 6 células ⏱️ 32h Avançado
Jornada da trilha

Células de aprendizagem

1

Célula 01: O Que São Redes Neurais Artificiais e Como SeSituam na Inteligência Artificial e no Aprendizado de Máquina

Distinguir IA simbólica, Machine Learning clássico (supervisionado, não-supervisionado e por reforço) e Deep Learning, compreendendo a arquitetura de Perceptrons e Redes Neurais Multicamadas (MLP): pesos, vieses (biases) e camadas ocultas.

1h
2

Célula 02: Como as Redes Neurais São Treinadas: Funções de Perda (Loss Functions), Descida de Gradiente (Gradient Descent) e Retropropagação (Backpropagation)

Dominar a mecânica de treinamento sob o capô: cálculo do erro via Loss Function (MSE / Cross-Entropy), ajuste iterativo de pesos pela Descida de Gradiente (taxa de aprendizado / Learning Rate) e propagação reversa do gradiente pela Regra da Cadeia (Backpropagation).

1h
3

Célula 03: Funções de Ativação (ReLU, Sigmoid, Tanh, Softmax), Métricas de Avaliação e o Dilema Overfitting vs. Underfitting

Compreender por que funções de ativação não-lineares permitem aprender padrões complexos, avaliar modelos com Acurácia, Precisão, Recall, F1-Score e ROC-AUC e diagnosticar/corrigir Underfitting (alto viés) e Overfitting (alta variância).

1h
4

Célula 04: Como as Redes Neurais Analisam Imagens: Dos Pixels e Filtros Convolucionais às Redes Neurais Convolucionais (CNNs)

Entender como imagens são representadas como tensores numéricos (RGB) e como camadas de convolução e pooling extraem bordas, texturas e objetos complexos em Visão Computacional.

1h
5

Célula 05: Como as Redes Neurais Analisam Texto: Tokenização, Word Embeddings (Vetores Semânticos), Redes Sequenciais e Atenção

Compreender como palavras e frases são convertidas em representações vetoriais densas (Embeddings) e processadas por redes neurais para análise de sentimento, tradução e geração de linguagem.

1h
6

Célula 06: Qual a Importância dos Dados? Qualidade, Volume, Representatividade, Viés Algorítmico e o Princípio Garbage In, Garbage Out

Avaliar por que dados limpos, balanceados e bem rotulados são o ativo mais crítico do Machine Learning, prevenindo vazamento de dados (Data Leakage), vieses discriminatórios e falhas de generalização no mundo real.

1h