A disciplina de React tem como objetivo capacitar o aluno a desenvolver interfaces web modernas, complexas e de alta performance utilizando uma das bibliotecas mais populares do mercado. Durante o curso, serão explorados conceitos fundamentais e avançados da biblioteca, incluindo a criação de componentes reutilizáveis, o uso eficiente de hooks e a implementação de padrões de arquitetura escaláveis.

Os alunos também aprenderão as melhores práticas de desenvolvimento com React, focando em otimização de performance, manutenção de código limpo e integração com bibliotecas e frameworks modernos para construção de aplicações robustas e responsivas.

A disciplina de Static Web Apps e Single Page Applications prepara o aluno para projetar, desenvolver e otimizar aplicações web modernas, focadas em alta performance, segurança e escalabilidade. Serão abordadas as diferenças e aplicações práticas de Static Web Apps (SWAs) e Single Page Applications (SPAs), utilizando frameworks e bibliotecas atuais como React, Vue.js e Next.js.

O curso explora ainda arquiteturas modernas, como JAMstack, e práticas de otimização de performance, SEO e segurança, preparando os alunos para criar experiências web rápidas e responsivas, com foco na entrega contínua e uso de APIs escaláveis.

Esta disciplina tem como objetivo capacitar os alunos a projetar e implementar arquiteturas serverless utilizando a plataforma AWS. O curso abordará os princípios fundamentais do design serverless, como escalabilidade automática, eficiência no uso de recursos e a abstração da infraestrutura. O aluno aprenderá a utilizar os principais serviços AWS para criar soluções serverless, como AWS Lambda, API Gateway, AWS DynamoDB, S3, AWS Step Functions e EventBridge, entre outros.

Serão explorados tópicos como orquestração de funções, gerenciamento de eventos, integração de diferentes serviços AWS e a criação de APIs RESTful. O curso também abordará práticas de segurança, monitoramento e otimização de custos ao trabalhar com soluções serverless na AWS. Ao final da disciplina, o aluno será capaz de projetar e implementar aplicações altamente escaláveis e resilientes utilizando os serviços serverless da AWS, garantindo máxima eficiência e controle de custos.

A disciplina de Feature Engineering é essencial para profissionais que desejam extrair o máximo valor dos dados em projetos de Machine Learning e Inteligência Artificial. Ao longo do curso, os alunos serão introduzidos aos principais conceitos e práticas de engenharia de atributos, aprendendo como transformar dados brutos em informações relevantes que potencializam a performance de modelos preditivos.

Durante a disciplina, serão abordadas técnicas de pré-processamento e transformação de dados, essenciais para lidar com diferentes tipos de variáveis e preparar conjuntos de dados de alta qualidade. Os alunos também aprenderão a criar novas features a partir de dados existentes, explorando métodos de geração e seleção de atributos que impactam diretamente na acurácia e eficiência dos modelos.

Além disso, a disciplina explora práticas avançadas de Feature Engineering aplicadas a Deep Learning, discutindo como preparar dados para redes neurais e modelos complexos. Por fim, serão apresentados frameworks e ferramentas que automatizam o processo de Feature Engineering, permitindo maior agilidade e produtividade no desenvolvimento de soluções de IA.

A disciplina de Reinforcement Learning (Aprendizado por Reforço) mergulha em uma das áreas mais fascinantes e inovadoras da Inteligência Artificial, responsável por avanços notáveis em robótica, jogos, finanças e automação de processos complexos.

Os alunos iniciarão a jornada explorando os conceitos fundamentais do Reinforcement Learning, entendendo como agentes inteligentes aprendem a tomar decisões ótimas por meio de interações com o ambiente. Em seguida, serão aprofundados os fundamentos matemáticos que sustentam essa área, como processos de decisão de Markov, funções de recompensa e políticas de decisão.

A disciplina apresenta os principais algoritmos clássicos de aprendizado por reforço, como Q-Learning e SARSA, evoluindo para abordagens mais modernas e poderosas com o Deep Reinforcement Learning, integrando redes neurais para lidar com ambientes de alta complexidade e grandes volumes de dados.

Além da teoria, serão discutidas aplicações práticas e avançadas do Reinforcement Learning em cenários do mundo real, incluindo otimização de processos industriais, recomendação de conteúdos e controle de sistemas dinâmicos. Por fim, o curso aborda aspectos de MLOps e implementação em produção, preparando os alunos para enfrentar os desafios de escalar e manter soluções de Reinforcement Learning em ambientes corporativos e de alta demanda.