Visão Geral

Este curso apresenta a linguagem Python como principal ferramenta para desenvolvimento de soluções de Inteligência Artificial, Machine Learning e Ciência de Dados. O participante aprenderá desde os fundamentos da programação em Python até a utilização das principais bibliotecas utilizadas em projetos de IA, preparando-se para desenvolver aplicações inteligentes, manipular dados, construir modelos e automatizar processos analíticos.

Objetivo

Após realizar este curso, você será capaz de:

• Compreender os fundamentos da programação em Python para IA
• Desenvolver scripts e aplicações para manipulação de dados
• Utilizar bibliotecas essenciais para Ciência de Dados e Machine Learning
• Preparar e analisar dados para projetos de Inteligência Artificial
• Construir modelos básicos de Machine Learning utilizando Python
• Aplicar boas práticas de desenvolvimento em projetos de IA

Publico Alvo

• Iniciantes em programação e Inteligência Artificial
• Cientistas e analistas de dados
• Engenheiros de Machine Learning
• Desenvolvedores de software
• Profissionais de tecnologia interessados em IA
• Estudantes de Ciência de Dados e Inteligência Artificial

Pre-Requisitos

• Conhecimentos básicos de informática
• Lógica de programação é recomendada, mas não obrigatória
• Interesse em Inteligência Artificial e desenvolvimento de software

Conteúdo Programatico

Module 1: Introduction to Python for Artificial Intelligence

1. Overview of Python ecosystem
2. Installing Python and development environments
3. Python applications in AI and Data Science
4. Running Python programs
5. Understanding development workflows
6. Introduction to Jupyter Notebook

Module 2: Python Programming Fundamentals

1. Variables and data types
2. Operators and expressions
3. Conditional statements
4. Loops and iterations
5. Functions and modules
6. Error handling fundamentals

Module 3: Working with Data Structures

1. Lists and tuples
2. Dictionaries and sets
3. Data manipulation techniques
4. Iterators and generators
5. Comprehensions
6. Data structure best practices

Module 4: Object-Oriented Programming in Python

1. Classes and objects
2. Attributes and methods
3. Encapsulation concepts
4. Inheritance fundamentals
5. Polymorphism overview
6. Building reusable code

Module 5: Data Analysis with NumPy

1. Introduction to NumPy
2. Arrays and matrix operations
3. Numerical computing concepts
4. Vectorized operations
5. Mathematical functions
6. Performance optimization basics

Module 6: Data Manipulation with Pandas

1. Introduction to Pandas
2. DataFrames and Series
3. Data loading and exporting
4. Data cleaning techniques
5. Data transformation operations
6. Exploratory data analysis

Module 7: Data Visualization for AI Projects

1. Visualization fundamentals
2. Creating charts and plots
3. Data storytelling concepts
4. Exploratory visualization techniques
5. Visual analysis best practices
6. Reporting and presentation of results

Module 8: Machine Learning with Python

1. Introduction to Scikit-learn
2. Machine Learning workflow
3. Classification algorithms
4. Regression algorithms
5. Model training and evaluation
6. Feature engineering basics

Module 9: Deep Learning Foundations with Python

1. Introduction to neural networks
2. Deep Learning ecosystem overview
3. TensorFlow fundamentals
4. PyTorch fundamentals
5. Building simple neural networks
6. Training and inference concepts

Module 10: AI Project Development and Best Practices

1. End-to-end AI project lifecycle
2. Data preparation workflows
3. Model deployment concepts
4. MLOps fundamentals
5. Ethics and responsible AI
6. Capstone project using Python for AI