Oferta disponível em 26 de outubro
/
PÓS-GRADUAÇÃO EM
AI Engineering
_Desenvolva aplicações com IA Generativa, NLP, Visão Computacional e LLMs. Aprenda a projetar, implementar e escalar soluções para negócios.
Inscreva-se para aproveitar a oferta exclusiva:
60% OFF
Em até
18x
Sem juros
Faça sua pré-inscrição e receba a oferta em primeira mão
Bônus de lançamento
/
Quanto antes você se inscreve, mais bônus recebe
>
/Primeiros-60-matriculados
60% OFF
18x sem juros
Tech Labs
+ 70 cursos complementares gratuitos
Career Coaching e mentorias
Acesso a resumos com IA
>
/Demais-matriculados
60% OFF
18x sem juros
Tech Labs
>
Lançamento-dia
26 de
outubro
Como funciona a pré-inscrição
/
Passo a passo para não perder nada
> /1-Deixe-seus-dados-agora
Nome, e-mail e WhatsApp. Não há pagamento nesta etapa.
> /2-Receba-o-link-antes-de-todo-mundo
Para garantir o melhor bônus e oferta, antes da abertura geral.
> /3-Garanta-os-bônus-dos-60-primeiros
Quem sai na frente tem mais chances de obter os bônus.
Benefícios
/
Conte com vantagens exclusivas da IMPACTA DIGITAL
Disciplinas do curso
/
Os conteúdos são divididos em módulos para facilitar o aprendizado.
/
As aulas são assíncronas e podem ser vistas na plataforma durante todo o período do curso.
Deep Learning
● Introdução ao Deep Learning
● Fundamentos Matemáticos e Arquiteturas de Redes Neurais● Redes Neurais Convolucionais (CNNs)
● Redes Neurais Recorrentes (RNNs) e Modelos Baseados em Sequência
● Técnicas Avançadas de Deep Learning● MLOps e Deploy de Modelos de Deep Learning
Reinforcement Learning
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.
Generative Models (Language + Image)
A disciplina abordará os principais conceitos e técnicas relacionados a modelos generativos, com foco na geração de textos e imagens. Os alunos serão introduzidos aos fundamentos estatísticos e matemáticos que sustentam esses modelos, incluindo o estudo de modelos probabilísticos clássicos que deram origem às abordagens modernas.
Serão exploradas arquiteturas avançadas como Redes Generativas Adversariais (GANs) e Variational Autoencoders (VAEs), além de modelos autoregressivos e baseados em Transformers, amplamente utilizados em aplicações de inteligência artificial generativa. Os alunos terão a oportunidade de entender o funcionamento interno desses modelos e como são aplicados na criação de conteúdos realistas e de alta qualidade.
Por fim, a disciplina apresentará técnicas de treinamento, ajustes de hiperparâmetros e estratégias para melhoria de desempenho dos modelos, permitindo que os alunos desenvolvam soluções mais eficientes e precisas. Ao final do curso, espera-se que os participantes sejam capazes de compreender, implementar e aprimorar modelos generativos aplicados tanto à linguagem natural quanto à geração de imagens.
Computer Vision
● Introdução à Visão Computacional
● Fundamentos Matemáticos e Processamento de Imagens
● Reconhecimento de Padrões e Segmentação de Imagens
● Redes Neurais Convolucionais (CNNs)
● Redes Neurais Avançadas para Visão Computacional
● Processamento de Vídeo e Análise em Tempo Real
● Ética e Considerações Práticas
Prompt Engineering
A disciplina de Prompt Engineering explora as melhores práticas para interagir de forma eficaz com modelos de linguagem natural (LLMs), como ChatGPT e outros modelos generativos. Os alunos aprenderão os fundamentos de construção de prompts, desenvolvendo habilidades para criar instruções claras e direcionadas que maximizem a qualidade das respostas dos modelos.
O curso abrange tanto a aplicação de Prompt Engineering para modelos de texto, quanto para modelos multimodais, que trabalham com diferentes tipos de dados, como imagens e áudio.
Além disso, serão apresentadas as principais ferramentas e plataformas modernas que auxiliam na criação, teste e otimização de prompts, bem como técnicas de avaliação e melhoria contínua, garantindo maior precisão, relevância e controle sobre os resultados gerados.
Natural Language Processing (NLP)
A disciplina de Natural Language Processing (NLP) apresenta os conceitos essenciais para o desenvolvimento de soluções capazes de interpretar, processar e gerar linguagem natural. Os alunos serão introduzidos aos fundamentos de linguística computacional e às principais abordagens de métodos estatísticos e aprendizado supervisionado aplicadas ao processamento de textos.
O curso explora o uso de word embeddings e técnicas modernas de representação de texto, além da aplicação de redes neurais em tarefas de NLP, como classificação de textos, análise de sentimentos e geração de linguagem natural.
Por fim, os alunos conhecerão as principais ferramentas e frameworks de NLP, como NLTK, SpaCy, Hugging Face Transformers e outros recursos amplamente utilizados no mercado, capacitando-os a desenvolver soluções práticas e escaláveis.
Recommendation Systems
A disciplina de Recommendation Systems capacita os alunos a entender e aplicar as principais técnicas utilizadas na construção de sistemas de recomendação, presentes em grandes plataformas como Netflix, Amazon e Spotify. O curso explora desde os fundamentos e abordagens tradicionais, como filtros colaborativos e baseados em conteúdo, até métodos avançados baseados em fatores latentes e Deep Learning.
Serão abordados também os sistemas de recomendação contextuais e sensíveis ao tempo, que consideram variáveis como localização, histórico de interações e tendências sazonais para entregar sugestões mais precisas e personalizadas.
Por fim, os alunos aprenderão a realizar a avaliação de sistemas de recomendação, utilizando métricas como precisão, recall e NDCG, essenciais para medir a efetividade e melhorar continuamente a performance dos modelos.
Feature Engineering
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.
Machine Learning & LLM Ops
A disciplina de Machine Learning & LLM Ops capacita os alunos a dominar tanto os fundamentos da criação de modelos de Machine Learning quanto os desafios relacionados à sua implementação, operacionalização e gestão em ambientes produtivos.
O curso começa com uma introdução prática aos conceitos essenciais de Machine Learning, abordando as principais técnicas e algoritmos utilizados no desenvolvimento de soluções inteligentes. Em seguida, os alunos serão introduzidos ao universo do MLOps (Machine Learning Operations), uma abordagem que integra práticas de engenharia de software, ciência de dados e operações para garantir o ciclo de vida completo dos modelos — da experimentação ao deployment e monitoramento contínuo.
Um dos grandes destaques do curso é a introdução ao emergente campo de LLM Ops (Large Language Models Operations), focado na operacionalização de modelos de linguagem de larga escala, como GPT e outros modelos generativos, abordando aspectos críticos de eficiência, custo, personalização e segurança.
Por fim, a disciplina aborda estratégias de monitoramento, manutenção e re-treinamento de modelos, garantindo que as soluções de IA mantenham alta performance e relevância ao longo do tempo, mesmo diante de mudanças nos dados e nos contextos de negócio.
Tech Foundation & Coding
Esta disciplina aborda os fundamentos de tecnologia e programação, preparando os alunos para desenvolverem soluções tecnológicas e compreenderem conceitosessenciais relacionados a desenvolvimento de software, estrutura de dados, algoritmos e lógica de programação. A ênfase está na aplicação prática, cobrindo linguagens de programação modernas, metodologias ágeis, e conceitos fundamentais de computação em nuvem, segurança digital e integração de APIs.
Software Architecture & Clean Architecture
Esta disciplina combina os princípios fundamentais da arquitetura de software com as práticas específicas da Clean Architecture, proporcionando uma compreensão completa para o design de sistemas escaláveis, de alta performance e fácil manutenção. O aluno será capacitado a aplicar diversos padrões arquiteturais, como microservices, monolitos e arquiteturas orientadas a eventos, além de aprender a separar responsabilidades em diferentes camadas do sistema utilizando a Clean Architecture
O foco será na criação de sistemas com baixo acoplamento, alta coesão e independência de frameworks, bancos de dados e outras dependências externas. A disciplina também abordará os princípios de design como a inversão de dependências, a modularização do código, a utilização de testes unitários e a documentação de decisões arquiteturais. Ao final, o aluno será capaz de projetar e implementar arquiteturas que favoreçam a evolução contínua do software, mantendo a qualidade e a manutenção em longo prazo.
AI Foundation
A disciplina introduz os fundamentos da inteligência artificial (IA), abordando conceitos, técnicas e aplicações práticas de IA. Serão explorados temas como aprendizado de máquina, redes neurais, processamento de linguagem natural e visão computacional, destacando ferramentas e frameworks mais relevantes no mercado.
Os alunos compreenderão os princípios básicos da construção de modelos preditivos, treinamento de algoritmos e avaliação de desempenho, além de questões éticas relacionadas ao uso da IA.
Secure Development
A disciplina aborda os princípios e práticas de desenvolvimento seguro de software, com foco na identificação, prevenção e mitigação de vulnerabilidades ao longo do ciclo de vida do software. Serão explorados tópicos como segurança em aplicações web e mobilidade, criptografia aplicada, autenticação, controle de acesso e segurança em APIs.
Os alunos ainda terão oportunidade de conhecer metodologias seguras (DevSecOps), realizar testes de segurança (OWASP) e adotar práticas de codificação segura para proteger sistemas contra ataques cibernéticos.
Cloud Computing
Esta disciplina apresenta os fundamentos de computação em nuvem, abordando conceitos, modelos de serviço (IaaS, PaaS, SaaS) e arquiteturas modernas. Serão explorados provedores líderes de mercado como AWS, Azure e Google no contexto de implantação de aplicações, gerenciamento de recursos e segurança na nuvem.
Os alunos aprenderão práticas de escalabilidade, alta disponibilidade e integração de serviços em ambientes híbridos e multicloud, além de aplicar ferramentas de automação e DevOps para otimização das operações.
Cloud Serverless Design
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.
Testing Strategies
A disciplina aborda estratégias e práticas para garantir a qualidade do desenvolvimento por meio de diferentes níveis e tipos de testes. Serão explorados conceitos de testes manuais e automatizados, incluindo testes de unidade, integração, sistema, regressão e performance.
Os alunos aprenderão a projetar planos de teste eficazes, implementar frameworks de automação (como Selenium, JUnit e Cypress) e utilizar ferramentas de CI/CD para integração contínua de testes no ciclo de desenvolvimento.
Prototyping
Esta disciplina explora os métodos e ferramentas usadas para criar protótipos interativos. Serão abordados conceitos de design centrado no usuário (UX/UI), prototipagem rápida e validação de ideias. Os alunos aprenderão a utilizar ferramentas como Figma, Adobe XD, Marvel e NodeRed, aplicando técnicas de wireframing, design de baixa e alta fidelidade e testes com usuários. O conteúdo irá reforçar também a importância da prototipagem no processo de inovação e desenvolvimento iterativo.
Business Agility
Esta disciplina tem como objetivo capacitar o aluno em metodologias ágeis e confrontá-las com outras metodologias tradicionais. Compreender os modelos baseados em metodologias ágeis como Scrum, XP (programação extrema), TDD (desenvolvimento dirigido a testes) e FDD (desenvolvimento dirigido a aspectos). Ainda, será apresentado o framework SAFE (framework de ágil escalado) com foco em grandes equipes e projetos. Por fim, serão desenvolvidos aspectos de gestão utilizando o modelo conhecido como Management 3.0.
DevOps & Automation
Esta disciplina tem como objetivo capacitar os alunos a automatizar o ciclo de vida do desenvolvimento de software utilizando GitHub Actions. O curso abordará os conceitos fundamentais de DevOps e como aplicar a filosofia de integração e entrega contínuas (CI/CD) por meio dessa ferramenta poderosa e flexível. O aluno aprenderá a configurar e personalizar workflows no GitHub Actions, automatizando tarefas como testes, build,deployment e verificação de código.
Serão explorados tópicos como a criação de pipelines de CI/CD, uso de runners, integração com outros serviços e automação de tarefas repetitivas, além de práticas para garantir a segurança e a eficiência dos workflows. A disciplina também ensinará como integrar o GitHub Actions com outras ferramentas do ecossistema DevOps e ambientes de nuvem, para construir fluxos de trabalho escaláveis e confiáveis. Ao final do curso, o aluno estará apto a implementar e gerenciar pipelines de automação completos, utilizando GitHub Actions para otimizar o processo de desenvolvimento e entrega de software.
Container Development & Orchestration
A disciplina apresenta conceitos e práticas de desenvolvimento e gerenciamento de aplicações utilizando containers e orquestração dos mesmos em ambientes escaláveis. Serão abordadas soluções como Docker, Kubernetes e práticas de infraestrutura como código (IaC). Os alunos aprenderão a criar, empacotar e distribuir aplicações em containers, além de configurar pipelines de CI/CD para automação de deploys.
O curso também cobre aspectos de monitoramento, segurança e escalabilidade em ambientes containerizados, com foco em aplicações modernas e arquiteturas baseadas em microsserviços.
LABS Server Side Rendering (Next.js)
Esta disciplina abordará o desenvolvimento de aplicações web modernas utilizando Next.js, com foco em Server Side Rendering (SSR) para otimização de desempenho, SEO e melhor experiência de usuário. Serão explorados conceitos como geração estática (SSG), rendering híbrido, roteamento dinâmico, integração com APIs e autenticação. Os alunos aprenderão a construir aplicações escaláveis e otimizadas. O conteúdo aborda também as práticas modernas de desenvolvimento frontend e uso eficiente de React no contexto SSR.
LABS Experience Design
Esta disciplina explora os conceitos e práticas fundamentais do Experience Design (XD), focando na criação de experiências digitais envolventes e centradas no usuário. Os alunos aprenderão sobre os processos de pesquisa, prototipagem, design de interfaces, usabilidade e testes de usuário. O curso aborda técnicas para mapear jornadas do usuário, desenvolver personas e aplicar metodologias ágeis no design de experiências. Também serão discutidos aspectos de acessibilidade, interatividade e impacto emocional no design de produtos digitais, visando otimizar a interação e satisfação do usuário.
LABS Cloud Serverless Design
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.
LABS Databases
A disciplina apresentará os conceitos fundamentais e avançados de bancos de dados relacionais e não relacionais. Os alunos terão oportunidade de revisar temas relacionados a modelagem de dados, normalização, SQL avançado, e técnicas de otimização de consultas. Serão explorados também bancos de dados NoSQL, como MongoDB e Cassandra, além de sistemas de gerenciamento de banco de dados distribuídos.
LABS Microservices/Service Mesh
A disciplina irá abordar o conceito de microsserviços bem como projetar, implementar e gerenciar arquiteturas baseadas em microsserviços. Os alunos aprenderão sobre a descentralização de componentes, comunicação entre microsserviços, padrões de API Gateway, e Service Mesh. O curso envolve ferramentas como Kubernetes e Istio, além de tratar questões como escalabilidade, segurança, resiliência e governança de microsserviços.
LABS Serverless & Event-driven Architectures
Esta disciplina explora a construção de aplicações escaláveis e de baixo custo utilizando o modelo de computação Serverless. O conteúdo inclui os fundamentos de Functions as a Service (FaaS) e a criação de microsserviços orientados a eventos. O conteúdo desta disciplina aprofunda-se na integração com serviços de API Gateway para exposição segura de funções e na utilização de Streaming de Eventos (como Apache Kafka e Amazon Kinesis) para comunicação assíncrona entre componentes. Outros temas essenciais incluem o gerenciamento de estado em arquiteturas Serverless, observabilidade e a otimização de custos. A disciplina destaca a importância de padrões de design para construir sistemas responsivos, resilientes e escaláveis.
Corpo Docente de Excelência
Aprenda com especialistas renomados do mercado e acadêmicos de referência, combinando teoria e prática para um aprendizado transformador.
Eric Brito
Especialista em iOS Native Development
Ricardo Viana
Mestre em Business Agility
Carlos Magno
Especialista em Software Architecture & Clean Architecture
Empresas onde nossos alunos estudam
/
Os alunos da Faculdade Impacta têm se destacado em diversas empresas renomadas no mercado de tecnologia
Junte-se ao maior centro de treinamento e tecnologia da américa latina
Confira algumas perguntas frequentes
Requisitos e documentação para matrícula
Para ingressar na pós-graduação, é necessário possuir uma graduação completa, independente da área de conhecimento. É imprescindível que a matrícula seja realizada após a emissão do diploma ou da data de colação
Quais são as formas de pagamento?
O pagamento pode ser realizado através do boleto bancário ou cartão de crédito, à vista ou parcelado. Caso opte pelo cartão, é necessário ter disponível apenas o limite referente ao valor da parcela e não ao total do curso.
Metodologia e Funcionamento das aulas
Você terá acesso imediato à disciplina inaugural do curso. Nossos cursos são 100% online, sem encontros presenciais. As aulas são gravadas e editadas para facilitar a compreensão e organização dos estudos. Além das videoaulas e e-book da disciplina,você terá acesso a cursos complementares, comunidade para interação e networking e atividades de desenvolvimento de código em tela para simulação prática de conteúdo. A cada semestre, também será convidado a participar de Meetups ao vivo com profissionais da área.
Certificado de conclusão
Após finalizar o curso e estar aprovado em todas as disciplinas, o aluno solicitará e receberá o Certificado de Conclusão emitido em nome da Faculdade Impacta.
