Visão Geral

O Curso Speech Recognition e Conversational AI Fundamentos e Aplicacoes Praticas é uma capacitação de 32 horas (4 semanas, 08 horas/semana) para estudantes, desenvolvedores e profissionais de TI. Ensina a criar sistemas de reconhecimento de fala e chatbots conversacionais com Python, usando ferramentas como SpeechRecognition, PyTorch, Rasa e Dialogflow.

Justificativa da Necessidade

O mercado de IA cresce rapidamente, com 290 mil vagas previstas até 2024. Speech recognition e conversational AI lideram inovações em assistentes virtuais e chatbots, mas faltam profissionais qualificados. O curso capacita para desenvolver sistemas práticos, promovendo empregabilidade e transformação digital.

Objetivo

Após realizar ete Curso Speech Recognition e Conversational AI Fundamentos e Aplicacoes Praticas você será capaz de:

• Compreender speech recognition
• Aplicar conversational AI
• Usar SpeechRecognition, PyTorch, Rasa, Dialogflow
• Desenvolver transcrição de áudio
• Criar chatbot com APIs
• Construir assistente de voz
• Aplicar boas práticas e ética
• Desenvolver portfólio

Publico Alvo

• Estudantes: Ciência da computação, engenharia
• Desenvolvedores: Profissionais de TI
• Entusiastas: Interessados em IA
• Nível: Iniciante a intermediário
• Pré-requisitos: Python básico, Git/GitHub, Anaconda, VS Code
• Motivações: Criar assistentes, chatbots, ingressar em IA

Informações Gerais

Benefícios para Participantes

• Habilidades em speech e IA conversacional
• Empregabilidade (290 mil vagas)
• Projetos inovadores
• Portfólio com assistente de voz
• Transformação digital

Benefícios para o Mercado

• Suprir demanda por talentos
• Inovação em educação, saúde
• Inclusão digital
• Crescimento econômico

Materiais

Conteúdo Programatico

Módulo 1: Introdução ao Speech Recognition

• Objetivo: Compreender fundamentos e aplicações
• Tópicos Teóricos: Definição, componentes, tecnologias (Google Speech), desafios, case de call center
• Atividades Práticas: Configurar ambiente, criar script de transcrição, testar configurações, discutir aplicações
• Ferramentas: Python 3.8+, Anaconda, SpeechRecognition, PyAudio, GitHub
• Saídas: Ambiente configurado, script de transcrição, relatório (150 palavras)
• Relevância: Demanda em assistentes e automação

Módulo 2: Processamento de Áudio

• Objetivo: Processar áudio para precisão
• Tópicos Teóricos: Áudio digital, MFCCs, pré-processamento, Librosa, case de IoT
• Atividades Práticas: Processar áudio com Librosa, criar pipeline, comparar precisão, propor melhorias
• Ferramentas: Python 3.8+, Librosa, SciPy, SpeechRecognition, GitHub
• Saídas: Pipeline de áudio, relatório (200 palavras), áudio processado
• Relevância: Robustez em condições adversas

Módulo 3: Modelos de Machine Learning

• Objetivo: Aplicar modelos de fala
• Tópicos Teóricos: HMM, Transformers, datasets (LibriSpeech), PyTorch, case multilíngue
• Atividades Práticas: Treinar modelo PyTorch, usar DeepSpeech, ajustar hiperparâmetros, comparar precisão
• Ferramentas: Python 3.8+, PyTorch, DeepSpeech, Common Voice, GitHub
• Saídas: Modelo treinado, script DeepSpeech, relatório (200 palavras)
• Relevância: Base de sistemas comerciais

Módulo 4: Aplicações Práticas

• Objetivo: Desenvolver aplicações com APIs
• Tópicos Teóricos: Comandos, transcrição, APIs (Google Speech), case de aulas online
• Atividades Práticas: Criar sistema de comandos, integrar Google Speech, desenvolver app web, testar aplicações
• Ferramentas: Python 3.8+, SpeechRecognition, Google Cloud SDK, Node.js 16+, GitHub
• Saídas: Sistema de comandos, app web, documentação (200 palavras)
• Relevância: Acessibilidade e IoT

Módulo 5: Fundamentos de Conversational AI

• Objetivo: Criar chatbot básico
• Tópicos Teóricos: Chatbots, intents, Rasa, case de e-commerce, desafios
• Atividades Práticas: Configurar Rasa, definir intents/entities, testar chatbot, simular atendimento
• Ferramentas: Python 3.8+, Rasa, GitHub
• Saídas: Chatbot Rasa, arquivos de configuração, relatório (150 palavras)
• Relevância: Automação de atendimento

Módulo 6: Processamento de Linguagem Natural

• Objetivo: Melhorar interações com NLP
• Tópicos Teóricos: Tokenização, BERT, datasets (SNIPS), spaCy, case de intents
• Atividades Práticas: Processar texto com spaCy, treinar modelo Hugging Face, integrar BERT ao Rasa, comparar precisão
• Ferramentas: Python 3.8+, spaCy, Hugging Face, Rasa, GitHub
• Saídas: Script spaCy, modelo de intents, chatbot aprimorado, relatório (200 palavras)
• Relevância: Base de chatbots avançados

Módulo 7: Chatbots Conversacionais Avançados

• Objetivo: Criar chatbots com APIs
• Tópicos Teóricos: Diálogo gerenciado, APIs (OpenWeather), UX, case educacional
• Atividades Práticas: Criar chatbot Rasa com API, implementar diálogo, desenvolver interface web, testar interações
• Ferramentas: Python 3.8+, Rasa, OpenWeather, Node.js 16+, GitHub
• Saídas: Chatbot com API, interface web, documentação (200 palavras)
• Relevância: Automação em varejo

Módulo 8: Projeto Final - Assistente de Voz

• Objetivo: Integrar speech e IA conversacional
• Tópicos Teóricos: Integração, aplicações, ética, mercado (290 mil vagas), case médico
• Atividades Práticas: Desenvolver assistente, criar README, apresentar projeto, pitch de inovação
• Ferramentas: Python 3.8+, SpeechRecognition, Rasa, PyTorch, Google Speech, GitHub
• Saídas: Assistente funcional, README, apresentação, pitch (200 palavras)
• Relevância: Valor em startups e saúde