Aprendizado de Máquina (Machine Learning)

EAD

Aprendizado de Máquina (Machine Learning)

A pós-graduação em Aprendizado de Máquina (Machine Learning) da Unifeob é ideal para profissionais que desejam atuar com inteligência artificial, explorando algoritmos de aprendizado, redes neurais e ciência de dados para resolver problemas reais em diversas áreas.

Sobre o curso:

Mercado de trabalho:

Investimento:

Matriz curricular:

  • UE 1 – Conceitos básicos em Python
    Introduz a linguagem Python, seus comandos essenciais e aplicações iniciais no processamento de dados.

  • UE 2 – Operações em Python
    Explora as operações matemáticas, condicionais, laços e funções dentro do ambiente Python.

  • UE 3 – Estruturas de dados em Python
    Apresenta listas, dicionários, tuplas e outras estruturas fundamentais para o desenvolvimento de algoritmos.

  • UE 1 – Banco de dados
    Estuda os fundamentos de modelagem, consulta e manipulação de dados com SQL e bases relacionais.

  • UE 2 – Estatística aplicada ao aprendizado de máquina
    Apresenta conceitos estatísticos essenciais para análise exploratória e inferência em modelos de IA.

  • UE 3 – Programação distribuída
    Introduz os princípios da computação paralela e distribuída para lidar com grandes volumes de dados.

  • UE 1 – Inteligência artificial
    Apresenta a evolução, aplicações e fundamentos da IA no contexto moderno.

  • UE 2 – Aprendizado de máquina
    Estuda os principais algoritmos supervisionados, não supervisionados e técnicas de validação.

  • UE 3 – Aprendizado de máquina e PCA (principal components analysis)
    Explora a análise de componentes principais como técnica de redução de dimensionalidade e otimização de modelos.

  • UE 1 – Técnicas e aplicação das redes neurais artificiais
    Introduz os conceitos de neurônios artificiais, camadas e funções de ativação.

  • UE 2 – Redes neurais convolucionais
    Estuda as CNNs aplicadas à visão computacional, como reconhecimento de imagens e padrões.

  • UE 3 – Tipos de redes neurais artificiais
    Apresenta redes recorrentes, profundas e outras variações para aplicações em séries temporais, texto e voz.

Sobre o curso:

Mercado de trabalho:

Investimento:

Matriz curricular:

  • UE 1 – Conceitos básicos em Python
    Introduz a linguagem Python, seus comandos essenciais e aplicações iniciais no processamento de dados.

  • UE 2 – Operações em Python
    Explora as operações matemáticas, condicionais, laços e funções dentro do ambiente Python.

  • UE 3 – Estruturas de dados em Python
    Apresenta listas, dicionários, tuplas e outras estruturas fundamentais para o desenvolvimento de algoritmos.

  • UE 1 – Banco de dados
    Estuda os fundamentos de modelagem, consulta e manipulação de dados com SQL e bases relacionais.

  • UE 2 – Estatística aplicada ao aprendizado de máquina
    Apresenta conceitos estatísticos essenciais para análise exploratória e inferência em modelos de IA.

  • UE 3 – Programação distribuída
    Introduz os princípios da computação paralela e distribuída para lidar com grandes volumes de dados.

  • UE 1 – Inteligência artificial
    Apresenta a evolução, aplicações e fundamentos da IA no contexto moderno.

  • UE 2 – Aprendizado de máquina
    Estuda os principais algoritmos supervisionados, não supervisionados e técnicas de validação.

  • UE 3 – Aprendizado de máquina e PCA (principal components analysis)
    Explora a análise de componentes principais como técnica de redução de dimensionalidade e otimização de modelos.

  • UE 1 – Técnicas e aplicação das redes neurais artificiais
    Introduz os conceitos de neurônios artificiais, camadas e funções de ativação.

  • UE 2 – Redes neurais convolucionais
    Estuda as CNNs aplicadas à visão computacional, como reconhecimento de imagens e padrões.

  • UE 3 – Tipos de redes neurais artificiais
    Apresenta redes recorrentes, profundas e outras variações para aplicações em séries temporais, texto e voz.

Sobre o curso:

O curso aborda desde a linguagem Python, banco de dados e estatística, até algoritmos de aprendizado supervisionado e não supervisionado, redes neurais artificiais e técnicas avançadas como análise de componentes principais (PCA). É voltado para profissionais de tecnologia, engenheiros, cientistas de dados e demais interessados em entrar na área com uma base sólida e atualizada.

Mercado de trabalho:

O profissional formado pode atuar como cientista de dados, engenheiro de machine learning, analista de IA, desenvolvedor de sistemas inteligentes e consultor em tecnologia. As oportunidades estão em empresas de tecnologia, startups, fintechs, indústrias, setor público e projetos de inovação.

Investimento:

Matrícula de R$291,67 por apenas R$29,90!
Valor Promocional: 12x de R$175,00 (com 40% de desconto)*

*Valores sujeitos a alterações e promoções por tempo limitado.

Matriz curricular:

  • UE 1 – Conceitos básicos em Python
    Introduz a linguagem Python, seus comandos essenciais e aplicações iniciais no processamento de dados.

  • UE 2 – Operações em Python
    Explora as operações matemáticas, condicionais, laços e funções dentro do ambiente Python.

  • UE 3 – Estruturas de dados em Python
    Apresenta listas, dicionários, tuplas e outras estruturas fundamentais para o desenvolvimento de algoritmos.

  • UE 1 – Banco de dados
    Estuda os fundamentos de modelagem, consulta e manipulação de dados com SQL e bases relacionais.

  • UE 2 – Estatística aplicada ao aprendizado de máquina
    Apresenta conceitos estatísticos essenciais para análise exploratória e inferência em modelos de IA.

  • UE 3 – Programação distribuída
    Introduz os princípios da computação paralela e distribuída para lidar com grandes volumes de dados.

  • UE 1 – Inteligência artificial
    Apresenta a evolução, aplicações e fundamentos da IA no contexto moderno.

  • UE 2 – Aprendizado de máquina
    Estuda os principais algoritmos supervisionados, não supervisionados e técnicas de validação.

  • UE 3 – Aprendizado de máquina e PCA (principal components analysis)
    Explora a análise de componentes principais como técnica de redução de dimensionalidade e otimização de modelos.

  • UE 1 – Técnicas e aplicação das redes neurais artificiais
    Introduz os conceitos de neurônios artificiais, camadas e funções de ativação.

  • UE 2 – Redes neurais convolucionais
    Estuda as CNNs aplicadas à visão computacional, como reconhecimento de imagens e padrões.

  • UE 3 – Tipos de redes neurais artificiais
    Apresenta redes recorrentes, profundas e outras variações para aplicações em séries temporais, texto e voz.

Ao enviar seus dados, você autoriza que a Unifeob entre em contato e declara estar ciente dos nossos termos e política.

Orgulho de ser Unifeob

Perguntas frequentes

Sim, a Unifeob é credenciada e autorizada pelo MEC para oferecer cursos superiores a distância.

Vale muito a pena fazer faculdade a distância pois você terá flexibilidade de horários e a conveniência de estudar no seu próprio ritmo, assim como assistir as aulas onde e quando você quiser.

Os cursos EAD funcionam através de plataformas online onde os alunos acessam materiais didáticos, assistem a aulas gravadas de onde e quando quiser, permitindo um aprendizado flexível e independente. Cursos híbridos e presenciais são realizados em universidades com o selo de qualidade Unifeob.

A inscrição no curso está disponível apenas para candidatos que já concluíram o ensino médio, sendo necessário comprovar a escolaridade mínima exigida.

©2025 Unifeob. Todos os direitos reservados.

false

false

true

Graduação em

Aprendizado de Máquina (Machine Learning)

Últimas vagas

Qual o tipo de curso você está buscando?

Faça sua inscrição

Ao enviar seus dados, você autoriza que a UNIFEOB entre em contato e declara estar ciente dos nossos termos e políticas.

Usamos cookies para melhorar sua experiência de navegação.