Curso Machine Intelligence

Business Intelligence,                           Data Mining,                                            Knowledge Management São Nomes da Moda. Mas Sabe Onde Tudo Isso Se Apóia?

         Inteligência de Máquina
                Machine Learning
                        Neural Networks
                                 Genetic Algorithms
                                         Rule Induction
                                                 Knowledge Acquisition
                                                         Knowledge-Based Systems. . .

• Se sua empresa precisa de conhecimento técnico sólido acerca dessas técnicas, este é o workshop ideal

Este é um curso para quem deseja ir fundo no assunto. Se sua empresa depende de gente capacitada nesses tópicos, então sua empresa precisa conhecer melhor o que propomos.

Mostramos muito das técnicas bem sucedidas, mas também enfocamos as idéias que não funcionam. Com isso, pretendemos capacitar seus analistas com décadas de know-how sobre as coisas que falharam em Inteligência Artificial e Machine Intelligence, mostrando porque falharam.

O curso é dado em 3 sessões de 3 horas cada, com uma semana de intervalo entre cada sessão. Isto visa permitir um assentamento dos conceitos mencionados e uma eficaz recordação das idéias fundamentais (sempre iniciamos uma sessão com uma recapitulação do que foi dado antes). Terminamos cada sessão com um período de debates onde as questões que os participantes tiverem são discutidas. É uma oportunidade valiosa para seus analistas clarificarem aquelas dúvidas que ninguém explicou direito.

Dados Gerais:
Curso fechado para sua empresa, ideal para 10 a 20 participantes, com farto material didático incluso. Para informações sobre preços e agendamentos, consulte-nos (snavega@attglobal.net).

Local:
Preferencialmente, uma sala ou mini-auditório dentro de suas próprias instalações. Assim, evitamos perder tempo em trânsito.

Duração:
Três períodos de três horas cada, idealmente durante três dias espaçados cerca de uma semana. Carga horária total de 9 horas.

Público Alvo:
Analistas de Sistemas, Gerentes Técnicos e Comerciais, Diretores Técnicos, Gerentes de Suporte, etc.

Objetivo:
Capacitar os presentes a entender de onde provêm os conceitos envolvidos com Inteligência Artificial e Data Mining e prover a fundamentação necessária para suportá-los no desenvolvimento interno de produtos e aquisição no mercado. Dirimir as dúvidas mais comuns acerca destas tecnologias.

O Conteúdo Programático está apresentado a seguir. Podemos, a seu critério, alterar o conteúdo caso seja necessário enfocar com maior profundidade algum assunto específico. Clique aqui para ler um outro texto sobre este curso. Veja também este link para um Workshop de 1 dia sobre Inteligência de Máquina. Leia alguns de nossos artigos técnicos sobre o assunto.

Conteúdo Programático

D I A   1

	Introdução: O Que Veremos Neste Curso
	O Que é Inteligência Artificial? Algumas Definições e Um Breve Histórico O Que é Inteligência? Simbolicismo, Conexionismo e Sistemas Híbridos
	Busca (Search) Buscas Desinformadas (Breadth-First, Depth-First) Buscas Heurísticas (Best-First, A*, Hill-Climbing) Outros Métodos (Minimax, Alfa-Beta)
	Representação de Conhecimento e Inferência Sintaxe e Semântica Cálculo Proposicional e Lógica de Primeira Ordem Modus Ponens e Modus Tollens Unificação, Skolemização, Resolução ATMS, Circumscription Default Logic Description Logics Regras de Produção Encadeamento Forward/Backward Frames e Scripts Redes Semânticas (Semantic Networks) Dependência Conceitual (Conceptual Dependency) As Linguagens LISP e Prolog Case-Based Reasoning Qualitative Reasoning Ontologias Para Compartilhamento de Conhecimento [--- Intervalo ---]
	Sistemas Especialistas Bases de Conhecimento Aquisição de Conhecimento Mycin, Dendral, Prospector Habilidades de Explanação Algoritmo RETE SE Modernos (Exemplos de Produtos)
	Planejamento e Scheduling
	Machine Learning Indução de Regras Concept Learning Decision Trees Explanation-Based Learning Reinforcement Learning Minimum Description Length FOIL, ID3, C4.5 Simulated Annealing Inductive Logic Programming, Multistrategy Learning Computational Learning Theory
	Referências: Onde Aprender Mais
	Conclusão da Aula: Debate

D I A   2

	Revisão da Aula Anterior
	Redes Neurais e Conexionismo Origens do PDP (Rumelhart e McClelland) Para Que Servem Classificação/Reconhecimento/Predição de Padrões Memória Associativa (CAM) Otimização Aprendizagem supervisionada e não-supervisionada Neocognitron, Perceptrons, o caso do XOR, os MLPs Backpropagation, Feedforward As Self-Organizing Maps de Kohonen, ARTs, SRNs, Hopfield Sistemas híbridos (KBANN)
	Raciocínio Probabilístico Sobre Incerteza Certainty Factors no Mycin Teorema de Bayes, Bayesian Belief Networks Dempster-Shafer Theory

[--- Intervalo ---]

	Processamento de Linguagem Natural Fonologia, Morfologia, Sintaxe, Semântica, Pragmática, Análise de Discurso Gramáticas Livres de Contexto, ATNs Word Disambiguation Reconhecimento da Fala Tradução Automatizada Geração de Linguagem Natural
	Sistemas Fuzzy e Rough Sets
	Computação Evolucionária, Algoritmos Genéticos Fitness Functions, Populações, Crossovers, Mutações O Que é Programação Genética Aplicações
	Argumentos Filosóficos e a Crise do Simbolicismo e Conexionismo Physical Symbol System Hypothesis Frame Problem O Teste de Turing O Quarto Chinês Complexidade da Aprendizagem Neural
	Referências: Onde Aprender Mais
	Conclusão da Aula: Debate

D I A   3

	Revisão da Aula Anterior
	O Projeto CYC AM e Eurisko CYC: A Máquina de Common Sense do Dr. Lenat Como Funciona e Principais Aplicações Estado Atual do Projeto Ontologias e as VLKB (Very Large Knowledge Bases) O Projeto HPKB
	Problemas Típicos da IA Aquisição Automática de Conhecimento O Problema do Aterramento dos Símbolos Outros Problemas
	Information Retrieval Aquisição Léxica Aquisição Semântica WordNet, Busca na WWW

[--- Intervalo ---]

	Data Mining Data Preparation Clustering Regressão, Classificação Principais Algoritmos Principais Produtos
	Agentes Inteligentes Agentes Organizacionais e Pessoais, Desktop x Internet Mobilidade, Colaboração Aplicações Inteligência Artificial Distribuída (DAI) Sistemas Blackboard Agentes Cooperativos
	Outros Assuntos Formal Computation, Information Theory Intelligent User Interfaces, Intelligent Tutoring Systems Knowledge Engineering Visão Computacional Robótica Ciência Cognitiva
	Conclusão Conhecimento: Fator Competitivo Essencial O Iceberg do Conhecimento: Onde Estamos Falhando As Perspectivas Futuras, Linhas de Pesquisa Modernas O Quadro Final: Uma Visão Global de Tudo Que Vimos
	Referências: Onde Aprender Mais
	Debate Final

Retorna à página de seminários

Outros Seminários:

Leia Aqui Alguns Artigos de Sergio Navega

Mais informações: snavega@attglobal.net

idx.

data mining business intelligence artificial intelligence data warehouse ERP OLAP DSS EIS knowledge-based systems sistemas especialistas redes neurais predição