Objetivo geral:

O propósito do curso de Técnico em Inteligência Artificial é capacitar os estudantes com os conhecimentos, habilidades, atitudes e valores necessários para desenvolver, aprimorar e implementar modelos de inteligência artificial em diversos cenários.

Objetivos específicos:

• • Potencializar a criatividade por meio de técnicas de programação e situações de aprendizagem aprimorando os conhecimentos continuamente;
  • Desenvolver a capacidade dos alunos para compreender os fundamentos teóricos da inteligência artificial, incluindo algoritmos de aprendizado de máquina, redes neurais e técnicas avançadas de processamento de dados;
  • Aplicar práticas de programação específicas para a construção e implementação de modelos de inteligência artificial, promovendo a habilidade de programação em linguagens como Python;
  • Fomentar a análise crítica e avaliação de modelos de inteligência artificial, proporcionando aos alunos as ferramentas necessárias para identificar e corrigir possíveis problemas éticos, vieses e limitações nos sistemas desenvolvidos;

Estimular a colaboração e o trabalho em equipe por meio de projetos práticos que envolvam a resolução de problemas reais utilizando técnicas de inteligência artificial, desenvolvendo assim 

• • habilidades interpessoais e de comunicação;
  • Proporcionar aos estudantes a experiência prática na implementação de soluções de inteligência artificial em diferentes setores, promovendo a integração do aprendizado teórico com situações do mundo real e preparando-os para os desafios do mercado de trabalho;
  • Promover autonomia e participação no processo avaliativo a partir de indicadores de competência, oportunizando verificação contínua do desenvolvimento do perfil profissional desejado;
  • Incentivar a pesquisa como princípio pedagógico e para consolidação do domínio técnico-científico, utilizando recursos didáticos e bibliográficos.

O profissional formado no curso Técnico em Inteligência Artificial é capacitado para programar, desenvolver e implementar soluções de IA para resolver problemas complexos em uma variedade de setores. Suas responsabilidades incluem:

• Reconhecer modelos aplicados em arquitetura de computadores e aplicar conceitos de Pipeline;
• Elaborar códigos, conforme as funcionalidades e as características do aplicativo computacional a ser desenvolvido na linguagem Python, utilizando comandos de integração dos códigos construídos em Python, conforme estrutura projetada.
• Compreender e aplicar funções matemáticas lineares, polinominais, logarítimicas e exponenciais;
• Compreender variável qualitativa e quantitativa, aplicando dados discretos, contínuos, frequência Absoluta e relativa;
• Selecionar Sistema de Gerenciamento de Banco de Dados (SGBD), de acordo com as necessidades da aplicação, criando a estrutura física de banco de dados, de acordo com os requisitos da aplicação e da modelagem de dados;
• Implementar sistemas de computação em nuvem distribuído compreendendo a utilização adequada de conteiners, Hosting, colocation, máquinas virtuais, micro serviços, webservices, clustering;
• Compreender Álgebra linear, cálculo aplicado e Estatística básicas para análise de dados na Machine Learning, de modo a aplicar técnicas de otimização em Machine Learning;
• Analisar e aplicar soluções baseadas em conceitos éticos e códigos de ética em projetos de Inteligência Artificial, articulando argumentos com base em preceitos éticos de inteligência artificial;
• Identificar fontes de dados relevantes, para desenvolver um plano de coleta, considerando a qualidade e legalidade aplicando técnicas de análise descritiva, preditiva e prescritiva;
• Analisar os tipos de cultura informacional e avaliar a influência na estratégia de informação;
• Desenvolver arquiteturas de Rede Neurais Artificiais (RNA) com base em camadas de entrada, camada de saída e camada oculta, aplicando técnicas de treinamento ao modelo de algoritmos de RNA;
• Programar, treinar e avaliar modelos de deep learning, para resolver problemas complexos usando arquiteturas de redes neurais profundas, avaliando a eficácia e a eficiência de modelos de deep learning.
• Aplicar técnicas adequadas de Processamento de Linguagem Natural nos casos de uso apresentados, compreendendo os conceitos de processamento de linguagem natural e suas aplicabilidades.
• Desenvolver algoritmos de detecção e reconhecimento de objetos em imagens e vídeos, implementando técnicas de segmentação de imagem para identificação e separação de objetos.

Além disso, o profissional habilitado pelo Senac, tem como Marcas Formativas: domínio técnico- científico, visão crítica, atitude empreendedora, sustentável e colaborativa, com foco em resultados. Essas marcas reforçam o compromisso da instituição com a formação integral do ser humano, considerando aspectos relacionados ao mundo do trabalho e ao exercício da cidadania. Essa perspectiva propicia o comprometimento do aluno com a qualidade do trabalho, o desenvolvimento de uma visão ampla e consciente sobre sua atuação profissional e sobre sua capacidade de transformação da sociedade.
A ocupação está situada no eixo tecnológico Informação e Comunicação, cuja natureza é comunicar e pertence ao Segmento Tecnologia da Informação.

A seguir estão as competências que compõem o perfil do Técnico em Inteligência Artificial:

• Reconhecer e interpretar modelos aplicados em arquitetura de computadores;
• Desenvolver Algoritmos com Python;
• Compreender e aplicar funções matemáticas lineares, polinominais, logarítimicas e exponenciais;
• Compreender variável qualitativa e quantitativa;
• Desenvolver Banco de Dados;
• Utilizar as ferramentas digitais de AI, conforme boas práticas de mercado alinhados a transformação digital;
• Criar uma estrutura em nuvem, conforme conceitos apresentados de nuvem pública, privada e/ou híbrida;
• Aplicar técnicas de Machine Learning em projetos de IA;
• Aplicar a Ética e Responsabilidade em IA;
• Identificar fontes de dados relevantes, para desenvolver um plano de coleta, considerando a qualidade e legalidade aplicando técnicas de análise descritiva, preditiva e prescritiva;
• Aplicar técnicas de treinamento ao modelo de algoritmos de (RNA) Redes Neurais Artificiais
• Avaliar a eficácia e a eficiência de modelos de deep learning;
• Desenvolver Processamento de Linguagem Natural;
• Aplicar algoritmos e técnicas, na resolução de problemas dentro do contexto de visão computacional;

Assistente de Suporte Computacional

O Assistente de Suporte Computacional é o profissional que atua com a capacidade de compreender e analisar a estrutura e o funcionamento dos computadores, incluindo processadores, memória, dispositivos de entrada e saída, e sua aplicação em ambientes de suporte computacional. Esse profissional irá dar o suporte computacional de modo a desenvolver algoritmos eficientes e funcionais utilizando a linguagem de programação Python, aplicando boas práticas de programação e resolvendo problemas computacionais de forma eficaz. Aplicar conceitos de lógica matemática na resolução de problemas computacionais, incluindo raciocínio lógico, proposições, conjuntos, funções e teoria dos números. Tem a habilidade de aplicar técnicas estatísticas para análise de dados computacionais, incluindo medidas de tendência central, dispersão, correlação e inferência estatística, para auxiliar na tomada de decisões e a capacidade de programar, implementar e gerenciar bancos de dados utilizando tecnologias modernas, como SQL e NoSQL, garantindo a integridade, segurança e desempenho dos dados.

O profissional qualificado pelo Senac tem como Marcas Formativas: domínio técnico-científico, visão crítica, atitude empreendedora, sustentável e colaborativa, com foco em resultados. Essas marcas reforçam o compromisso da instituição com a formação integral do ser humano, considerando aspectos relacionados ao mundo do trabalho e ao exercício da cidadania. Essa perspectiva propicia o comprometimento do aluno com a qualidade do trabalho, o desenvolvimento de uma visão ampla e consciente sobre sua atuação profissional e sobre sua capacidade de transformação da sociedade.

A seguir estão as competências que compõem o perfil do Assistente de Suporte Computacional:

• Reconhecer e interpretar modelos aplicados em arquitetura de computadores;
• Desenvolver Algoritmos com Python;
• Compreender e aplicar funções matemáticas lineares, polinominais, logarítimicas e exponenciais;
• Compreender variável qualitativa e quantitativa;
• Desenvolver Banco de Dados;

Assistente de Análise de Dados 
O Assistente de Análise de Dados  é o profissional que atua com a capacidade de compreender e liderar processos de transformação digital em organizações, incluindo a adoção de tecnologias digitais para melhorar a eficiência e a competitividade. Programar e implementar arquiteturas de dados em ambientes de computação em nuvem, incluindo o armazenamento e processamento de grandes volumes de dados (Big Data). Tem a habilidade de aplicar técnicas de machine learning para análise de dados e geração de insights, contribuindo para a tomada de decisões baseadas em dados. Compreensão dos desafios éticos e sociais relacionados à inteligência artificial, e capacidade de tomar decisões éticas ao lidar com dados e algoritmos de IA e a capacidade de analisar e interpretar dados de forma estratégica, identificando padrões, tendências e oportunidades para aprimorar os processos de negócios e a tomada de decisões.
O profissional qualificado pelo Senac tem como Marcas Formativas: domínio técnico-científico, visão crítica, atitude empreendedora, sustentável e colaborativa, com foco em resultados. Essas marcas reforçam o compromisso da instituição com a formação integral do ser humano, considerando aspectos relacionados ao mundo do trabalho e ao exercício da cidadania. Essa perspectiva propicia o comprometimento do aluno com a qualidade do trabalho, o desenvolvimento de uma visão ampla e consciente sobre sua atuação profissional e sobre sua capacidade de transformação da sociedade.
A seguir estão as competências que compõem o perfil do Assistente de Análise de Dados :

• Utilizar as ferramentas digitais de AI, conforme boas práticas de mercado alinhados a transformação digital;
• Criar uma estrutura em nuvem, conforme conceitos apresentados de nuvem pública, privada e/ou híbrida;
• Aplicar técnicas de Machine Learning em projetos de IA;
• Aplicar a Ética e Responsabilidade em IA;
• Identificar fontes de dados relevantes, para desenvolver um plano de coleta, considerando a qualidade e legalidade aplicando técnicas de análise descritiva, preditiva e prescritiva;

Assistente de Desenvolvimento em Inteligência Artificial
O Assistente de Desenvolvimento em Inteligência Artificial é o profissional que atua com a capacidade de programar e implementar redes neurais artificiais para resolver problemas complexos de aprendizado de máquina e reconhecimento de padrões. Habilidade de utilizar técnicas avançadas de deep learning, como redes neurais profundas, para realizar tarefas complexas, como reconhecimento de imagens, processamento de vídeos e análise de texto. Capacidade de desenvolver algoritmos e modelos para entender, interpretar e gerar linguagem natural, permitindo a criação de sistemas de chatbots, tradução automática e análise de sentimentos, entre outros e desenvolver sistemas que possam interpretar e entender o conteúdo visual, permitindo a criação de sistemas de reconhecimento de objetos, detecção de movimento e análise de imagens médicas, por exemplo.
O profissional qualificado pelo Senac tem como Marcas Formativas: domínio técnico-científico, visão crítica, atitude empreendedora, sustentável e colaborativa, com foco em resultados. Essas marcas reforçam o compromisso da instituição com a formação integral do ser humano, considerando aspectos relacionados ao mundo do trabalho e ao exercício da cidadania. Essa perspectiva propicia o comprometimento do aluno com a qualidade do trabalho, o desenvolvimento de uma visão ampla e consciente sobre sua atuação profissional e sobre sua capacidade de transformação da sociedade.
A seguir estão as competências que compõem o perfil do Assistente de Desenvolvimento em Inteligência Artificial:

• Aplicar técnicas de treinamento ao modelo de algoritmos de (RNA) Redes Neurais Artificiais
• Avaliar a eficácia e a eficiência de modelos de deep learning;
• Desenvolver Processamento de Linguagem Natural;
• Aplicar algoritmos e técnicas, na resolução de problemas dentro do contexto de visão computacional;