PolyU | Conceitos de Inteligência Artificial
Este curso abrangente oferece uma introdução rigorosa, porém acessível, à Inteligência Artificial, concebida para estudantes de pós-graduação e profissionais. Fazendo a ponte entre os fundamentos históricos e as inovações de vanguarda, o currículo avança da IA simbólica e dos algoritmos de busca até o Deep Learning moderno e a IA Generativa. Os estudantes explorarão tópicos essenciais como representação do conhecimento, raciocínio probabilístico e aprendizagem automática clássica antes de se aprofundarem em redes neuronais, Transformers e Grandes Modelos de Linguagem (LLMs). Enfatizando tanto a teoria quanto a prática, o curso utiliza Python e frameworks padrão da indústria, como o PyTorch, para implementar algoritmos, interagir com APIs modernas e abordar questões críticas de ética e segurança em IA.
Visão Geral do Curso
Resumo do Conteúdo
Este curso abrangente oferece uma introdução rigorosa e acessível à Inteligência Artificial (IA), projetada para estudantes de pós-graduação e profissionais. Fazendo a ponte entre fundamentos históricos e inovações de ponta, o currículo progride da IA simbólica e algoritmos de busca até o moderno Deep Learning e IA Generativa. Os estudantes explorarão tópicos essenciais como representação de conhecimento, raciocínio probabilístico e aprendizado de máquina clássico antes de mergulhar profundamente em redes neurais, Transformers e Grandes Modelos de Linguagem (LLMs). Enfatizando tanto a teoria quanto a prática, o curso utiliza Python e frameworks padrão da indústria como PyTorch para implementar algoritmos, interagir com APIs modernas e abordar questões críticas em ética e segurança de IA.
Fazendo a ponte entre a IA Simbólica clássica e a IA Generativa moderna, este curso equipa os estudantes com a profundidade teórica e as habilidades práticas em Python para arquitetar, implementar e avaliar eticamente sistemas inteligentes.
Objetivos de Aprendizagem
- Dominar os Fundamentos de IA: Analisar e implementar paradigmas fundamentais de resolução de problemas, incluindo busca heurística, raciocínio baseado em lógica e modelagem probabilística.
- Implementar Arquiteturas de Deep Learning: Projetar e treinar redes neurais avançadas usando PyTorch, desde Perceptrons de Múltiplas Camadas até Redes Neurais Convolucionais e Transformers.
- Implantar Soluções de IA Generativa: Desenvolver aplicações utilizando Grandes Modelos de Linguagem (LLMs), empregando técnicas como fine-tuning, engenharia de prompts e Geração Aumentada por Recuperação (RAG).
- Garantir o Desenvolvimento Ético de IA: Avaliar criticamente sistemas de IA quanto a viés, segurança e alinhamento, aplicando estratégias de explicabilidade e robustez em cenários do mundo real.