Núcleo da formação
Aprofunda coleta e preparação de dados, estatística, aprendizado de máquina, avaliação de modelos e uso responsável de inteligência artificial.
Carregando o conteúdo
Carregando o conteúdo
A graduação em Inteligência Artificial e Machine Learning estuda coleta e preparação de dados, estatística, aprendizado de máquina, avaliação de modelos e uso responsável de inteligência artificial. A formação combina fundamentos conceituais, métodos de investigação e aplicação prática para que o estudante compreenda não apenas como executar atividades, mas por que cada decisão é tomada.
A graduação em Inteligência Artificial e Machine Learning estuda coleta e preparação de dados, estatística, aprendizado de máquina, avaliação de modelos e uso responsável de inteligência artificial. A formação combina fundamentos conceituais, métodos de investigação e aplicação prática para que o estudante compreenda não apenas como executar atividades, mas por que cada decisão é tomada.
Em Inteligência Artificial e Machine Learning, o percurso se organiza em três blocos complementares: dados e fundamentos quantitativos, modelos e inteligência computacional, produtos analíticos e IA responsável. Esses blocos aproximam teoria e prática por meio de análise de casos, leitura de evidências, planejamento, produção técnica e comunicação de resultados.
Inteligência Artificial e Machine Learning tende a fazer sentido para quem deseja combinar raciocínio quantitativo, programação e conhecimento de negócio para produzir evidências e automações. Matrizes, ênfases, estágios e atividades práticas variam entre as instituições; por isso, os eixos abaixo descrevem aprendizagens estruturantes da formação, enquanto a grade e as condições documentadas de cada oferta continuam sendo apresentadas separadamente.
Aprofunda coleta e preparação de dados, estatística, aprendizado de máquina, avaliação de modelos e uso responsável de inteligência artificial.
Desenvolve a capacidade de coletar, limpar e integrar dados, explorar padrões e formular hipóteses, treinar e avaliar modelos.
Trabalha comunicação técnica, qualidade, ética, limites de atuação e impacto das decisões.
A formação em Inteligência Artificial e Machine Learning pode levar a trajetórias em ciência e engenharia de dados, business intelligence e analytics, aprendizado de máquina, automação e produtos orientados por IA. O trabalho costuma envolver coletar, limpar e integrar dados, explorar padrões e formular hipóteses, treinar e avaliar modelos, construir visualizações e produtos analíticos, em equipes com diferentes especialidades. Os quatro cards destacam ocupações reais relacionadas ao curso; acesso, atribuições e registro profissional seguem as regras aplicáveis a cada carreira.
Constrói modelos analíticos e transforma grandes volumes de dados em evidências.
Média salarial mensalR$ 11.080,27
Planeja estudos, modela dados e interpreta incertezas por meio de métodos estatísticos.
Média salarial mensalR$ 8.380,00
Modela, protege, monitora e mantém bancos de dados e sua disponibilidade.
Média salarial mensalR$ 9.358,61
Analisa requisitos e projeta, integra e mantém sistemas de informação.
Média salarial mensalR$ 8.419,63
Médias mensais nacionais do mercado formal (CAGED/MTE), apresentadas como referência e não como promessa de remuneração. Os valores variam por localidade, jornada, experiência, setor e atribuições; algumas atividades também exigem registro ou habilitação profissional.
A síntese de aprendizagem de Inteligência Artificial e Machine Learning está organizada em 3 eixos e 15 competências detalhadas. Ela foi construída a partir dos assuntos recorrentes em matrizes, PPCs e referenciais da formação, sem atribuir a uma instituição disciplina, semestre ou carga horária que não esteja documentada em sua oferta.
A aprendizagem começa pela qualidade dos dados e pelas ferramentas para descrever variação e incerteza.
Compreender os fundamentos de coleta e integração de dados e reconhecer sua função nos problemas centrais de Inteligência Artificial e Machine Learning.
Aplicar limpeza e qualidade em situações da formação, explicitando critérios, dados utilizados e limites da análise.
Analisar evidências relacionadas a estatística descritiva, comparar alternativas e justificar decisões com linguagem técnica.
Relacionar probabilidade aos demais conhecimentos de dados, inteligência artificial e analytics, evitando soluções isoladas do contexto.
Documentar e comunicar escolhas envolvendo análise exploratória, considerando qualidade, responsabilidade e impacto para as pessoas envolvidas.
O eixo transforma hipóteses em modelos avaliáveis, com critérios claros de desempenho.
Aplicar programação para dados em situações da formação, explicitando critérios, dados utilizados e limites da análise.
Analisar evidências relacionadas a aprendizado supervisionado, comparar alternativas e justificar decisões com linguagem técnica.
Relacionar aprendizado não supervisionado aos demais conhecimentos de dados, inteligência artificial e analytics, evitando soluções isoladas do contexto.
Documentar e comunicar escolhas envolvendo processamento de linguagem, considerando qualidade, responsabilidade e impacto para as pessoas envolvidas.
Compreender os fundamentos de avaliação de modelos e reconhecer sua função nos problemas centrais de Inteligência Artificial e Machine Learning.
Resultados são comunicados e incorporados a processos sem perder governança, rastreabilidade e supervisão humana.
Analisar evidências relacionadas a visualização de dados, comparar alternativas e justificar decisões com linguagem técnica.
Relacionar business intelligence aos demais conhecimentos de dados, inteligência artificial e analytics, evitando soluções isoladas do contexto.
Documentar e comunicar escolhas envolvendo implantação e monitoramento, considerando qualidade, responsabilidade e impacto para as pessoas envolvidas.
Compreender os fundamentos de governança de dados e reconhecer sua função nos problemas centrais de Inteligência Artificial e Machine Learning.
Aplicar vieses, privacidade e ética em situações da formação, explicitando critérios, dados utilizados e limites da análise.
Economia de R$ 5.544,00 no curso todo
UnidadeAv. Paulista, São Paulo, SP
TurnoNoturno
Disponível na unidade Av. Paulista, em São Paulo.
Economia de R$ 189,50 por mês
Opção selecionada: Semipresencial, unidade Av. Paulista, São Paulo, SP, turno Noturno. Valor atualizado para R$ 180,50 por mês.
2 ofertas ordenadas por Custo-benefício.