O programa de estudos da CPIA (Certificação Profissional em Inteligência Artificial) foi estruturado com base no syllabus vigente e nas melhores práticas da área, proporcionando formação técnica sólida e alinhada às exigências do mercado.
CPIA contempla em problemas de clustering para aprendizado de máquina não supervisionado com algoritmo K-Means.
A organização didática segue um ciclo completo de aprendizagem:
Teoria → Aplicação → Consolidação → Fixação → Avaliação parcial → Avaliação global
O modelo assegura progressão estruturada do conhecimento, consolidação das competências e preparação consistente para certificação CBQS,
Diferencial: A ACerT mantém relacionamento ativo com empresas que demandam profissionais certificados em nossos programas, solicitando indicações de perfis qualificados de forma recorrente.
Ao concluir o curso e obter certificação, o participante passa a integrar nosso banco de talentos, podendo ser considerado para oportunidades alinhadas ao seu perfil e às demandas recebidas.
Leia mais
O programa de estudos da Certificação Profissional em Inteligência Artificial (CPIA), está baseado em problemas de clustering para aprendizado de máquina não supervisionado com algoritmo K-Means.
Objetivo: Familiarizar o aluno com os fundamentos do aprendizado de máquina supervisionado, por meio da apresentação de problemas de classificação e regressão, utilizando exemplos práticos com o algoritmo de árvores de decisão e regressão linear.
Informações Gerais:
- Público-Alvo: Analistas de dados, cientistas de dados, administradores de dados e interessados em técnicas de Data Mining e Machine Learning.
- Formato: aulas assíncronas, com tutoria individual.
- Material: slides de autoestudo, exercícios de fixação, atividades práticas. fóruns, vídeos explicativos e simulado.
- Pré-requisitos: conhecimento básico sobre Python.
- Carga horária: 20h
- Acesso ao AVA: 2 meses
Conteúdo Programático
1 – Fundamentos do Aprendizado de Máquina
1.1 – Pontos-Chave
1.2 – Introdução ao K-Nearest Neighbors
1.3 – Avaliando o Desempenho do Modelo
1.4 – K-Nearest Neighbors Multivariado
1.5 – Otimização de Hiperparâmetros
1.6 – Validação Cruzada (Cross Validation)
1.7 – Projeto Orientado: Estimativa de Preços de Carros
2 – Cálculo para Aprendizado de Máquina
3 – Álgebra Linear Para Aprendizado de Máquina
4 – Regressão Linear Para Aprendizado de Máquina
5 – Aprendizado de Máquina em Python
6 – Árvore de Decisão (Decision Tree)
Como funciona?
Realize seu cadastro informando os seus dados para uso em sua inscrição no curso e emissão de NF. Após, isso realize o pagamento. Seus dados estarão seguros, pois seguimos a política de privacidade e não usamos para outro fim. Após a conclusão do curso, caso desejar poderá adquirir o exame e agendá-lo.
Cadastro
Realize seu cadastro clicando no botão abaixo
Pagamento
Faça o pagamento abaixo:
Exame
A realização do exame não está atrelada ao curso. Caso desejar apenas o exame, será possível.