Parceiro:
Direção
José Joaquim Magalhães Moreira
Apresentação
A Pós-Graduação em Inteligência Artificial resulta de uma parceria entre o ISLA – Instituto Politécnico de Gestão e Tecnologia e OAF – Oceânica Academia. Este curso visa responder à crescente procura por profissionais qualificados numa das áreas mais estratégicas da atualidade: a aplicação prática de Inteligência Artificial (IA) em contextos reais.
Com um plano curricular abrangente e atualizado, a formação cobre tópicos como machine learning, redes neuronais, deep learning, processamento de linguagem natural e aplicações práticas em setores como saúde, indústria, finanças e transportes. O curso integra também bases matemáticas, programação em Python e ferramentas como TensorFlow e PyTorch.
Destina-se a licenciados e profissionais que pretendam adquirir competências técnicas na área da IA, essencialmente, em soluções inovadoras, análise de dados e automatização de processos. Inclui um projeto final prático, orientado para desafios reais.
O curso é lecionado em regime pós laboral, com componente prática forte e corpo docente com experiência académica e profissional relevante.
Objetivos
- Fornecer uma formação abrangente em Inteligência Artificial (IA), com foco em técnicas, algoritmos e ferramentas utilizadas na resolução de problemas complexos, preparando os alunos para atuar na investigação, desenvolvimento e implementação de soluções baseadas em IA.
- Capacitar os alunos a aplicar algoritmos de aprendizagem de máquina e redes neurais em diferentes cenários práticos, desenvolvendo soluções em áreas como saúde, finanças, indústria, automação e outras.
- Desenvolver a capacidade crítica dos alunos sobre questões éticas e sociais associadas à implementação de sistemas de IA, abordando temas como viés algorítmico, privacidade, e impacto no mercado de trabalho.
- Integrar teorias fundamentais e práticas avançadas de IA, proporcionando aos alunos uma base sólida em matemática, programação, aprendizado de máquina, redes neurais, processamento de linguagem natural (NLP) e outras áreas emergentes.
- Promover o uso de ferramentas de cloud computing e plataformas de IA, como Google Cloud, AWS e Microsoft Azure, para que os alunos possam trabalhar com grandes volumes de dados e treinar modelos de IA em ambientes de alta performance.
Destinatários
- Profissionais de Tecnologia e Ciência de Dados Engenheiros de software e programadores que desejam especializar-se em IA para desenvolver sistemas inteligentes.
- Cientistas de dados interessados em aprofundar conhecimentos em machine learning, deep learning e análise de dados.
- Engenheiros de computação ou especialistas em robótica que desejam aplicar IA em sistemas físicos.
- Graduados em áreas como ciência da computação, engenharia elétrica, matemática ou estatística que pretendem continuar na área académica, realizar investigações ou desenvolver novos modelos e técnicas em IA.
- Interessados em desenvolver projetos científicos de ponta na interseção de IA com outras áreas disciplinares.
- Profissionais de Outras Áreas com Interesse em IA.
- Gestores e consultores que procuram entender como a IA pode transformar os negócios e melhorar processos organizacionais.
- Especialistas de áreas como saúde, finanças, marketing, indústria automóvel, ou direito, que desejam aplicar IA nos seus domínios específicos.
- Profissionais com formação em áreas criativas como design, interessados em IA generativa para criar conteúdos.
- Estudantes com formação recente em disciplinas relacionadas, que pretendem entrar no mercado de trabalho com uma especialização num campo altamente promissor.
- Fundadores ou empreendedores que desejam criar startups baseadas em IA ou integrar tecnologias de IA nos seus negócios.
Estrutura Curricular
| Designação UC | ECTS | |
| Fundamentos Matemáticos para IA | 4 | |
| Inteligência Artificial em Aplicações Práticas | 3 | |
| Introdução à Inteligência Artificial | 3 | |
| Machine Learning | 5 | |
| Processamento de Linguagem Natural | 3 | |
| Programação para IA | 4 | |
| Projeto Final | 3 | |
| Redes Neuronais e Deep Learning | 5 | |
| Total | 30 |