• Como integrar IA nas decisões arquiteturais de sistemas;
• Aplicar machine learning e automações inteligentes em soluções reais;
• Projetar arquiteturas escaláveis com cloud computing, DevOps e segurança;
• Usar IA para otimizar performance, tomada de decisão e design de soluções;
• Traduzir demandas complexas em modelos arquiteturais eficientes e inovadores.

Resultado? Você sai com duas certificações de pós-graduação reconhecidas, pronto para liderar projetos, propor soluções e atuar como um profissional completo, com domínio técnico e visão de inovação.

Módulo 1
Fundamentos de Arquitetura de Software

• Introdução à Arquitetura de Software;
• Arquitetura de Software x Arquitetura de Soluções x Arquitetura Corporativa;
• O papel do(a) Arquiteto(a) de Software, hard e soft skills do(a) Arquiteto(a) de Software;
• Processos Decisórios (frame, alternativas, informação, valores, raciocínio lógico e compromisso com a ação);
• Riscos e Mitigação de Riscos (5W2H);
• Frameworks arquiteturais (TOGAF);
• The Open Group IT4IT™ Reference Architecture;
• ArchiMate x UML x BPMN;
• Ciclos de Vida de Desenvolvimento de Software;
• Metodologias ágeis x DevOps x Arquitetura de Software;
• Customer Development;
• Lean Startup;
• Gestão de Configuração e Versionamento, Ferramentas para SCM (Git/SVN/Azure DevOps);
• Boards (Trello / Azure Devops / JIRA).

Módulo 2
 Requisitos Arquiteturais e Modelagem Arquitetural

• Introdução à Engenharia de Requisitos;
• Tipos de requisitos;
• Técnicas para classificação e análise de requisitos (FURPS+ e SMART);
• Ferramentas para gerenciamento de requisitos;
• Refinamento (Grooming) de requisitos;
• Requisitos arquiteturais;
• Introdução à UML;
• Modelo 4+1;
• C4 Model;
• Ferramentas usadas para testes de cada tipo de requisito;
• Ferramentas para modelagem arquitetural / UML: Astah, Lucidchart, Yuml e Draw.io;
• Ferramentas para gerenciamento de requisitos: Helix RM, JIRA, Orcanos, Openreq, OSRMT, RE-Tools e ReQtest.

Módulo 3
Design Patterns, Estilos e Padrões Arquiteturais

• Introdução à Programação Orientada a Objetos;
• Princípios SOLID;
• Design Patterns (Padrões de Projetos);
• Clean Architecture;
• Arquitetura Hexagonal;
• Estilos e Padrões Arquiteturais;
• Padrões de Integração de Aplicações (EDI, EAI, ESB e Web Services).

Módulo 4
Principais Arquiteturas de Software da Atualidade

• Arquitetura de microsserviços;
• SWAGGER;
• Arquitetura API REST e GraphQL;
• Arquitetura orientada a eventos; 
• Arquitetura serverless;
• Azure Functions / AWS Lambda;
• Arquitetura de sistemas Web; 
• Frameworks para desenvolvimento de sistemas Web (Angular / React / Vue.js);
• Arquitetura de sistemas mobile
• Plataforma Nativa para iOS e Android;
• Plataformas Híbridas: Xamarin, Flutter, React Native, Ionic;
• Arquitetura cloud native.

Módulo 1
Computação em Nuvem

• Princípios da computação em nuvem;
• Nuvens Públicas, Privadas e Híbridas;
• Modalidades de Serviços;
• Soluções Cloud-First;
• TCO / ROI;
• Migração para a nuvem e os 6 R's (Lift & Shift, Reshape, etc);
• Overview da Azure, AWS e GCP;
• Azure Portal, Console AWS, Console GCP;
• Soluções Multicloud;
• Cloud Management Platforms (CMP);
• Conectividade com a nuvem;
• Soluções de Edge Computing e CDN;
• Serviços de infraestrutura básica: virtual machine e containers;
• Recursos para escalabilidade, elasticidade e alta disponibilidade;  
• Serviços de backup, monitoração e automação;
• Continuidade de negócios (PCN / PCS) e recuperação de desastres;
• Calculadores de TCO e ROI;
• Virtual Box, Hyper-V;
• Docker e Kubernetes (AKS, EKS e GKE);
• Ferramentas de backup e monitoração da Azure, AWS e GCP.

Módulo 2
 Soluções de Rede e Cibersegurança

• Fundamentos e Conceitos Redes de Computadores
• Ativos e Passivos de Redes
• Arquitetura, Tecnologia, Modelos e Protocolos de Rede
• Endereçamento e Mascaramento de Redes (IPV4 e IPV6)
• Roteamento e Rotas
• Soluções de alta disponibilidade em redes e balanceamento de carga
• Fundamentos e Conceitos sobre Segurança da Informação e Segurança Cibernética
• Defesa em Profundidade
• Ferramentas de segurança; DLP e Criptografia Dados
• Serviços de conectividade, rede e segurança na nuvem (SDN, VPC, VPN)
• Melhores Práticas de Segurança em Cloud
• Soluções de apoio à LGPD

Módulo 3
Soluções Digitais

• Internet das Coisas (IoT);
• Soluções de Internet das Coisas (IoT) na nuvem;
• Inteligência Artificial (IA) e Machine Learning (ML);
• Soluções de Inteligência Artificial (IA) e Machine Learning (ML) na nuvem;
• Blockchain;
• Soluções para DevOps;
• Jenkins, JIRA;
• Azure DevOps, AWS DevOps Services, SonarQube;
• Soluções de Infraestrutura como código (IaC);
• Puppet, Ansible, Chef, Vagrant e Terraform;
• Azure Resource Manager, AWS Cloud Formation, Google Cloud Deployment Manager; 
• Soluções de Telemetria;
• ELK Stack, Dynatrace, Prometheus + Grafana;
• Chatbots, soluções de reconhecimento áudio / visual. 

Módulo 4
Soluções para Armazenamento de Dados

• Tipos de dados
• Tecnologias de armazenamento
• Serviços de armazenamento em nuvem
• Bancos de dados relacionais, NOSQL e NewSQL
• Bancos de dados distribuídos e Arquiteturas escaláveis de dados
• Data Lake x Data Warehouse
• Pesquisa indexada
• Bancos de dados em tempo real
• Banco de dados como serviço na nuvem
• Soluções para extração, ingestão, transformação e análise de dados
• Big Data
• Ecossistema Hadoop
• Soluções para Big Data na nuvem

A partir do aprendizado nos bootcamps que compõem a sua Trilha de Pós-Graduação, é hora de começar seu Projeto Aplicado como Desafio de Conclusão. É a última etapa da sua especialização, momento em que você será, mais do que nunca, protagonista da sua jornada de conhecimento. 

Você será apresentado para problemas com alto grau de incerteza e o desafio será propor ideias inovadoras para solucioná-los. O projeto substitui o tradicional Trabalho de Conclusão de Curso, com uma diferença fundamental: é focado em entrega de valor, aplicabilidade, praticidade e com situações atuais que ocorrem no mercado de trabalho.

Durante o Desafio de Conclusão, você terá aulas interativas, reuniões de orientação em grupo e fórum individual para lhe auxiliar. Ao final dos dois bootcamps e do PA, você receberá seu título de pós-graduação e terá ainda mais habilidades técnicas para alavancar sua carreira. Além disso, realizando o upgrade na sua formação com o bootcamp de Inteligência Artificial após concluir o PA, você receberá uma segunda certificação de pós-graduação, ambas com chancela do MEC.

Módulo 1
Fundamentos da Inteligência Artificial

• Introdução à Inteligência Artificial:
• Definição de IA e sua evolução histórica;
• Diferenças entre IA, aprendizado de máquina (Machine Learning – ML) e aprendizado profundo (Deep Learning – DL);
• Visão geral dos tipos de IA: IA fraca vs. IA forte.
• Conceitos Fundamentais de IA:
• Algoritmos de aprendizado de máquina: supervisionado, não supervisionado e por reforço;
• Modelos discriminativos vs Generativos;
• Redes neurais e estruturas básicas de dados para IA;
• Ferramentas e linguagens de programação para IA: Python, TensorFlow, PyTorch.
• Aplicações e Casos de Uso da IA:
• Exemplos práticos de IA no dia a dia;
• IA nas indústrias: saúde, finanças, educação e mais;
• Benefícios e limitações da IA.
• Ética e IA:
• Discussão sobre viés e justiça em sistemas de IA;
• Privacidade de dados e segurança na era da IA;
• Regulamentações e políticas de IA.

Módulo 2
 Implementando e Trabalhando com IA 

• Identificando Oportunidades de IA:
• Como identificar problemas solucionáveis com IA;
• Avaliação de prontidão para IA nas organizações (maturidade analítica das organizações);
• Estudos de caso de transformação digital com IA.
• Planejamento e Implementação de Soluções de IA:
• Etapas para desenvolver e implementar projetos de IA;
• Coleta e tratamento de dados para aprendizado de máquina;
• Monitoramento e avaliação de modelos de IA.
• Estratégias de Aprendizado e Melhoria Contínua:
• Importância dos dados e da qualidade dos dados para IA;
• Técnicas de aprimoramento de modelos: ajuste fino, transferência de aprendizagem;
• Implementando ciclos de feedback e aprendizado contínuo.
• Liderança e Competências Organizacionais em IA:
• Desenvolvimento de competências de IA dentro das organizações;
• Decisões estratégicas: construir internamente, comprar ou terceirizar soluções de IA;
• Criando uma cultura orientada por dados e IA.

Módulo 3
Inteligência Artificial e IA Generativa Aplicadas às Soluções de TI

• Aplicações de IA em Soluções de TI:
• Modelo de regressão e sistemas de recomendação personalizados;
• Detecção de padrões e de anomalias;
• Chatbots Inteligentes, Prompt Engineering (Engenharia de Prompt) e soluções de IA conversacional;
• Análise preditiva e prescritiva;
• Soluções de detecção de fraude;
• Soluções de conformidade.
• Inteligência Artificial como Apoio à Engenharia de Confiabilidade de Sites (Site Reliability Engineering - SRE)
• Processamento de Linguagem Natural (Natural Language Processing - NLP), Compreensão de Linguagem Natural (Natural Language Understanding - NLU) e Geração de Linguagem Natural (Natural Language Generation - NLG)
• O que é IA Generativa
• Aplicabilidade e Importância da IA Generativa nas Soluções de TI
• OpenAI's GPT-4
• Entendendo a Arquitetura de Modelos Generativos:
• Rede Adversária Generativa (Generative Adversarial Networks - GANs);
• Codificadores automáticos variacionais (Variational Autoencoders - VAEs)
• Transformer;
• Chatbot.
• IA Generativa na Elaboração de Projetos Arquiteturais de Software, de Dados e de Soluções
• IA Generativa para a Geração Automatizada de Código
• IA Generativa na Detecção e Resolução de Problemas em Sistemas de Software
• Modelos Generativos para Simulação e Prototipagem Rápida de Sistemas de Software
• IA Generativa na Documentação Automatizada e Explicação de Modelos de IA

Módulo 4
Inteligência Artificial como Serviço

• Serviços Básicos de IA em Nuvem:
• Visão geral dos serviços básicos de IA em nuvem (AWS, Azure e GCP);
• Serviços de reconhecimento de imagem;
• Serviços de reconhecimento de voz;
• Serviços de processamento de linguagem natural;
• Serviços de recomendações personalizadas.
• Treinamento de Modelos de IA em Nuvem:
• Ferramentas e serviços oferecidos pelos provedores de nuvem para treinamento de modelos de inteligência artificial;
• Estratégias de treinamento, incluindo seleção de algoritmos, otimização de parâmetros e processamento de grandes conjuntos de dados.
• Implantação e Escalonamento de Modelos de IA em Nuvem:
• GPU e TPU para workloads de IA;
• Discussão sobre diferentes opções de implantação, incluindo contêineres, funções serverless e serviços gerenciados;
• Estratégias de escalonamento para lidar com cargas de trabalho variáveis e volumes de dados em expansão.
• Monitoramento e Manutenção de Modelos de IA em Nuvem:
• Monitoramento contínuo de modelos de IA em ambientes de produção;
• Utilização de métricas e ferramentas de monitoramento para avaliar o desempenho e a qualidade dos modelos em produção.
• Ferramentas e Plataformas para Gerenciamento de Modelos de IA em Nuvem:
• Ferramentas e serviços disponíveis para facilitar o gerenciamento de modelos de IA em nuvem;
• Plataformas de gerenciamento de ciclo de vida de modelos, controle de versão e colaboração em equipe.
• Segurança e Ética na IA em Nuvem:
• Desafios de segurança na IA em nuvem;
• Privacidade de dados e conformidade regulatória;
• Questões éticas relacionadas à IA em nuvem;
• Estratégias para mitigar riscos de segurança e garantir a ética no uso da IA em nuvem.

Você precisa ter um diploma de curso superior (tecnólogo, bacharelado ou licenciatura) emitido por uma instituição reconhecida pelo MEC. Além disso, recomendamos afinidade com tecnologia ou com o tema da pós, mas não é necessário ter conhecimento técnico avançado prévio.

Sim. A pós-graduação é um curso lato sensu, reconhecido oficialmente pelo Ministério da Educação (MEC) e válido em todo o território nacional.

Clique no botão ''Matricule-se'' na seção de Investimento, preencha seus dados, realize o pagamento e tenha acesso imediato ao conteúdo da pós-graduação.

Você terá atendimento personalizado com suporte via plataforma (até 48h úteis), um fórum permanente para esclarecimento de dúvidas e interação com tutores especializados e outros alunos.