Esta capacitação lhe oferece inúmeras possibilidades de crescimento profissional. Matricule-se hoje”

PD&I é a base da evolução em qualquer área. Dentro do campo das tecnologias de informação e comunicação, são abrangidas as mais novas tecnologias e áreas de estudo e as aplicações práticas disruptivas e surpreendentes existentes. Não é fácil encontrar um Mestrado que contemple a temática das cidades inteligentes e que também aborde os gêmeos digitais ou Blockchain no mesmo programa. Justamente este aspecto torna este programa único no mercado, já que o engenheiro que realizá-lo será um profissional diferenciado em sua área.

Com a orientação de profissionais certificados e atuantes na área, o graduado desenvolverá uma visão altamente especializada que lhe permitirá abordar projetos tecnológicos avançados, utilizando adequadamente as mais recentes tecnologias. Isto proporcionará um importante valor agregado através de sua correta utilização e aplicação. O aluno também terá uma visão global da aplicação das diferentes tecnologias envolvidas na digitalização global, adquirindo a capacidade de aplicá-las.

Ao longo de 12 meses, o aluno aprofundará seus conhecimentos no campo da aplicação de cada tecnologia, compreendendo as vantagens competitivas proporcionadas, e assim posicionando-se na vanguarda tecnológica e liderando projetos ambiciosos atuais e futuros. Além disso, apresentaremos a melhor metodologia de estudo 100% online, o que elimina a necessidade de assistir pessoalmente às aulas ou ter que cumprir horários pré-estabelecidos.

As empresas estão constantemente à procura de especialistas em tecnologias disruptivas para impulsionar seu mercado, você poderá ser o candidato perfeito”

Este Mestrado em Pesquisa e Inovação em Tecnologias da Informação e Comunicação conta com o conteúdo mais completo e atualizado do mercado. Suas principais características são:

• O desenvolvimento de casos práticos apresentados por especialistas em Pesquisa e Inovação em Tecnologias da Informação e Comunicação
• Os conteúdos gráficos, esquemáticos e extremamente úteis fornecem informações e práticas sobre as disciplinas indispensáveis para o exercício da profissão.
• Exercícios práticos em que o processo de autoavaliação é realizado para melhorar a aprendizagem
• Destaque especial para as metodologias inovadoras 
• Aulas teóricas, perguntas a especialistas, fóruns de discussão sobre temas controversos e trabalhos de reflexão individual
• Disponibilidade de acesso a todo o conteúdo a partir de qualquer dispositivo, fixo ou portátil, com conexão à Internet

Esta capacitação lhe permitirá identificar casos de aplicação de tecnologia e abordar os diferentes casos práticos sob uma abrangente perspectiva”

O corpo docente conta com profissionais do setor, os quais transferem a experiência do seu trabalho para esta capacitação, além de especialistas reconhecidos de instituições e universidades de prestígio.

O seu conteúdo multimídia, desenvolvido com a mais recente tecnologia educacional, oferece ao profissional uma aprendizagem contextualizada, ou seja, realizada através de um ambiente simulado, proporcionando uma capacitação imersiva e programada para praticar diante de situações reais.

O formato deste plano de estudos se fundamenta na Aprendizagem Baseada em Problemas, através da qual o profissional deverá resolver as diferentes situações da prática profissional que surjam ao longo da capacitação. Para isso, contará com a ajuda de um inovador sistema de vídeo interativo desenvolvido por especialistas reconhecidos.  

Desenvolva a capacidade de inovar no mercado e mudar a vida das pessoas como parte ativa da verdadeira transformação digital”

Posicione-se na vanguarda tecnológica e lidere projetos ambiciosos no presente e no futuro”

O Mestrado em Pesquisa e Inovação em Tecnologias da Informação e Comunicação é composto por 10 módulos. Em cada um deles serão tratadas tecnologias e disciplinas de ponta, aplicadas a projetos reais e casos de uso de aplicação direta no mercado profissional. Este programa especializará o engenheiro no uso das tecnologias do futuro, mas com aplicações reais no presente, tornando-o um catalisador profissional para as tecnologias de anos posteriores a partir dos dias atuais.

Através de uma perspectiva comercial prática e pioneira, você se especializará nas 6 tecnologias mais inovadoras da atualidade”

Módulo 1. Inovação nas comunicações com Cloud Computing

1.1. Cloud Computing. Estado da Arte da Revolução Online

1.1.1. Cloud Computing
1.1.2. Fornecedores
1.1.3. Microsoft Azure

1.2. Métodos de interação. Configurações e gestão das ferramentas. Serviços Cloud

1.2.1. Portal
1.2.2. App
1.2.3. Powershell
1.2.4. Azure CLI.
1.2.5. Azure REST API
1.2.6. Modelos ARM

1.3. Computação. Serviços disponíveis OnCloud

1.3.1. Máquina virtual
1.3.2. Contêineres
1.3.3. AKS/Kubernetes
1.3.4. Função (Serverless)

1.4. Computação. Serviços disponíveis OnCloud. Web Apps

1.4.1. Web
1.4.2. Web Apps
1.4.3. Rest API
1.4.4. API Management

1.5. Sistemas de armazenamento em nuvem. Segurança e comunicações

1.5.1. Storage
1.5.2. Data Lake
1.5.3. Data Factory
1.5.4. Data Services
1.5.5. Cópias de segurança

1.6. Bases de dados OnCloud. Informações estruturadas OnCloud. Escalabilidade sem limites

1.6.1. Azure SQL.
1.6.2. PostgresSQL/MySQL
1.6.3. Azure Cosmos DB
1.6.4. Redis

1.7. IoT. Gestão e armazenamento de dados do dispositivo OnCloud

1.7.1. Stram Analytics
1.7.2. Digital Twins

1.8. Artificial Intelligence OnCloud

1.8.1. Machine Learning
1.8.2. Cognitive Services
1.8.3. Computação quântica

1.9. Computação OnCloud. Aspectos avançados

1.9.1. Segurança
1.9.2. Monitoramento. DataDog
1.9.3. Application Insights

1.10. Aplicações da computação OnCloud

1.10.1. Cenário LOB: CRM
1.10.2. Cenário IoT: Smart City
1.10.3. Cenário AI: Chat Bot

Módulo 2. IoT. Aplicações em Serviços I 4.0 (Indústrias 4.0)

2.1. IoT. Internet das coisas

2.1.1. IoT
2.1.2. Internet 0 & IoT
2.1.3. Privacidade e controle de objetos

2.2. Aplicações de IoT

2.2.1. Aplicações de IoT. Consumo
2.2.2. EIoT & IIoT
2.2.3. Administração de IoT

2.3. IoT & IIoT. Diferenças

2.3.1. IIoT Diferenças com IoT
2.3.2. IIoT Aplicação
2.3.3. Indústrias

2.4. Indústria 4.0 Big Data& Business Analytics

2.4.1. Indústria 4.0 Big Data& Business Analytics
2.4.2. Indústria 4.0 Big Data & Business Analytics. Contextualização
2.4.3. Decisões e metodologia do CRISP-DM

2.5. Manutenção preditiva

2.5.1. Manutenção preditiva Aplicação
2.5.2. Manutenção preditiva Abordagem de desenvolvimento de modelos

2.6. IoTeclipse.org I. Ferramenta de implementação de soluções IoT

2.6.1. Micro NPU Ethos
2.6.2. Produtos End-to-end
2.6.3. IoTeclipse. Exemplos de uso

2.7. IoTeclipse.org II. Avançado

2.7.1. Arquiteturas
2.7.2. End-to-end
2.7.3. Analítica ambiental

2.8. IIoT Arquitecture

2.8.1. Sensores e atuadores
2.8.2. Portas para Internet e sistemas de aquisição de dados
2.8.3. Pré-processador de dados
2.8.4. Análise e modelagem de dados na nuvem

2.9. End-to-End Open and Modular Arquitecture

2.9.1. End-to-End Open and Modular Arquitecture
2.9.2. Arquitetura modular. Componentes-chave
2.9.3. Arquitetura modular. Benefícios

2.10. Machine learning at the Core and Edge

2.10.1. PoC
2.10.2. Data Pipeline
2.10.3. Edge to Core & Demo

Módulo 3. Gêmeos Digitais. Soluções Inovadoras

3.1. Gêmeos digitais

3.1.1. Gêmeos digitais
3.1.2. Gêmeos Digitais. Desenvolvimento tecnológico
3.1.3. Gêmeos Digitais. Tipologia

3.2. Gêmeos Digitais. Tecnologias aplicáveis

3.2.1. Gêmeos Digitais. Plataformas
3.2.2. Gêmeos Digitais. Interfaces
3.2.3. Gêmeos Digitais. Tipologia

3.3. Gêmeos Digitais. Aplicações Setores e exemplos de uso

3.3.1. Gêmeos Digitais. Técnicas e usos
3.3.2. Indústrias
3.3.3. Arquitetura e cidades

3.4. Indústria 4.0. Aplicações dos Gêmeos Digitais

3.4.1. Indústria 4.0
3.4.2. Ambientes
3.4.3. Aplicações dos Gêmeos Digitais na 4.0

3.5. Smart Cities a partir dos Gêmeos Digitais

3.5.1. Modelos
3.5.2. Categoria:
3.5.3. Futuro das Smart Cities a partir dos Gêmeos Digitais

3.6. IoT aplicado a Digital Twins

3.6.1. IoT. Ligação com os Gêmeos Digitais
3.6.2. IoT. Relações com os Gêmeos Digitais
3.6.3. IoT. Problemática e possíveis soluções

3.7. Ambiente de gêmeos digitais

3.7.1. Empresas
3.7.2. Organização
3.7.3. Implicações

3.8. Mercados dos Gêmeos Digitais

3.8.1. Plataformas
3.8.2. Fornecedores
3.8.3. Serviços associados

3.9. Futuro dos Gêmeos Digitais

3.9.1. Imersividade
3.9.2. Realidade aumentada
3.9.3. Biointerfaces

3.10. Gêmeos Digitais. Resultados presentes e futuros

3.10.1. Plataforma
3.10.2. Tecnologias
3.10.3. Setores

Módulo 4. Smart Cities como Ferramentas de Inovação

4.1. Das cidades para as cidades inteligentes

4.1.1. Das cidades para as cidades inteligentes
4.1.2. Cidades no tempo e culturas nas cidades
4.1.3. Evolução dos modelos de cidade

4.2. Tecnologias

4.2.1. Plataformas tecnológicas de aplicação
4.2.2. Interfaces serviços/cidadão
4.2.3. Tipologias tecnológicas

4.3. Cidade como um sistema complexo

4.3.1. Componentes de uma cidade
4.3.2. Interações entre componentes
4.3.3. Aplicações: serviços e produtos na cidade

4.4. Gestão inteligente da segurança

4.4.1. Situação atual
4.4.2. Ambientes tecnológicos de gestão na cidade
4.4.3. Futuro: As Smart Cities no futuro

4.5. Gestão inteligente da limpeza

4.5.1. Modelos de aplicação nos serviços inteligentes de limpeza
4.5.2. Sistemas: aplicação dos serviços inteligentes de limpeza
4.5.3. O futuro dos serviços inteligentes de limpeza

4.6. Gestão inteligente do tráfego

4.6.1. Evolução do tráfego: complexidade e fatores que dificultam sua gestão
4.6.2. Problemática
4.6.2. e-Mobilidad
4.6.3. Soluções

4.7. Cidade sustentável

4.7.1. Energia
4.7.2. O ciclo da água
4.7.3. Plataforma de gestão

4.8. Gestão inteligente do lazer

4.8.1. Modelos de negócios
4.8.2. Evolução do lazer urbano
4.8.3. Serviços associados

4.9. Gestão de grandes eventos sociais

4.9.1. Movimentos
4.9.2. Contagens de público
4.9.3. Saúde

4.10. Conclusões atuais e futuras em Smart Cities

4.10.1. Plataformas tecnológicas e problemática
4.10.2. Tecnologias, integração em ambientes heterogêneos
4.10.3. Aplicações práticas em diferentes modelos de cidade

Módulo 5. I+D em Sistemas Complexos de Software. Blockchain. Conexões Públicas e Privadas

5.1. Blockchain e Dados Distribuídos

5.1.1. As comunicações de informação. Novos paradigmas
5.1.2. Privacidade e transparência
5.1.3. Intercâmbio de informações. Novos modelos

5.2. Blockchain

5.2.1. Blockchain
5.2.2. Blockchain. Base tecnológica
5.2.3. Blockchain. Componentes e elementos

5.3. Blockchain. Redes públicas

5.3.1. Blockchain. Redes públicas
5.3.2. Algoritmos de trabalho em redes públicas

5.3.2.1. Proof of Work
5.3.2.2. Proof of Stake
5.3.2.3. Proof of Authority

5.3.3. Casos de uso e aplicação

5.3.3.1. Smart Contracts
5.3.3.2. Dapps

5.4. Blockchain. Redes privadas

5.4.1. Blockchain. Redes privadas
5.4.2. Algoritmos de trabalho em redes privadas

5.4.2.1. Proof of Work
5.4.2.2. Proof of Stake
5.4.2.3. Proof of Authority

5.4.3. Casos de uso e aplicação

5.4.3.1. Criptoeconomia
5.4.3.2. Teoria dos jogos
5.4.3.3. Modelagem de mercado

5.5. Blockchain. Frameworks de trabalho

5.5.1. Blockchain. Frameworks de trabalho
5.5.2. Tipos

5.5.2.1. Ethereum
5.5.2.2. Hyperledger Fabric

5.5.3. Exemplos de aplicação (Ethereum)

5.5.3.1. C#
5.5.3.2. Go

5.6. Blockchain no âmbito financeiro

5.6.1. O impacto do Blockchain no mundo financeiro
5.6.2. Tecnologias avançadas
5.6.3. Casos de uso e aplicação

5.6.3.1. Garantia da informação
5.6.3.2. Acompanhamento e monitoramento
5.6.3.3. Transmissões certificadas
5.6.3.4. Exemplos dentro do setor financeiro

5.7. Blockchain no âmbito Industrial

5.7.1. Blockchain e logística
5.7.2. Tecnologias avançadas
5.7.3. Casos de uso e aplicação

5.7.3.1. Smart Contracts entre fornecedores e clientes
5.7.3.2. Apoio nos processos de automação
5.7.3.3. Rastreabilidade de produtos em tempo real
5.7.3.4. Exemplos dentro do setor industrial

5.8. Blockchain. Tokenização de transações

5.8.1. Tokenizando o mundo
5.8.2. Plataformas de contratos inteligentes (Smart Contracts)

5.8.2.1. Bitcoin
5.8.2.2. Ethereum
5.8.2.3. Outras plataformas emergentes

5.8.3. Comunicação: o problema do oráculo
5.8.4. Exclusividade: NFT
5.8.5. Tokenização: STO’s

5.9. Blockchain. Exemplos de uso

5.9.1. Caso de uso. Descrição
5.9.2. Implementação prática (C#/Go)

5.10. Dados distribuídos. Aplicações de Blockchain, presente e futuro

5.10.1. Dados distribuídos. Aplicações atuais e futuras de Blockchain
5.10.2. O futuro das comunicações
5.10.3. Próximos passos

Módulo 6. Operações com dados em Blockchain. Inovação na gestão da informação

6.1. Gestão da informação

6.1.1. Gestão da informação
6.1.2. A gestão aplicada ao conhecimento

6.2. Blockchain na gestão da informação

6.2.1. Blockchain na gestão da informação

6.2.1.1. Segurança dos dados
6.2.1.2. Qualidade dos dados
6.2.1.3. Rastreabilidade da informação
6.2.1.4. Outros benefícios adicionais

6.2.2. Considerações adicionais

6.3. Segurança dos dados

6.3.1. Segurança dos dados
6.3.2. Segurança e privacidade
6.3.3. Casos de uso e aplicação

6.4. Qualidade dos dados

6.4.1. Qualidade dos dados
6.4.2. Confiabilidade e consenso
6.4.3. Casos de uso e aplicação

6.5. Rastreabilidade da informação

6.5.1. Rastreabilidade de dados
6.5.2. Blockchain na rastreabiidade do dado
6.5.3. Casos de uso e aplicação

6.6. Analítica da informação

6.6.1. Big Data
6.6.2. Blockchain e Big Data
6.6.3. Acessibilidade aos dados em tempo real
6.6.4. Casos de uso e aplicação

6.7. Aplicação do BC (I). Segurança da informação

6.7.1. Segurança da Informação
6.7.2. Caso de uso
6.7.3. Implementação prática

6.8. Aplicação do BC (II). Qualidade da informação

6.8.1. Qualidade da informação
6.8.2. Caso de uso
6.8.3. Implementação prática

6.9. Aplicação do BC (III). Rastreabilidade da informação

6.9.1. Rastreabilidade da informação
6.9.2. Caso de uso
6.9.3. Implementação prática

6.10. Blockchain. Aplicações práticas

6.10.1. Blockchain na prática

6.10.1.1. Centros de dados
6.10.1.2. Setoriais
6.10.1.3. Multisetoriais
6.10.1.4. Geógrafica

Módulo 7. PD&I.A. NLP/NLU. Embeddings e Transformers

7.1. Natural Language Processing (NLP)

7.1.1. Natural Language Processing. Usos de NLP
7.1.2. Natural Language Processing (NLP). Bibliotecas
7.1.3. Stoppers na aplicação de NLP

7.2. Natural Lenguage Understanding / Natural Lenguage Generation. (NLU/NLG)

7.2.1. NLG. I.A. NLP/NLU. Embeddings e Transformers
7.2.2. NLU/NLG. Usos
7.2.3. NLP/NLG. Diferenças

7.3. Word Embedings

7.3.1. Word Embedings
7.3.2. Word Embedings. Usos
7.3.3. Word2vec. Biblioteca

7.4. Embedings. Aplicações práticas

7.4.1. Código de Word2vec
7.4.2. Word2vec. Casos reais
7.4.3. Corpus para Uso de Word2vec. Exemplos

7.5. Transformers

7.5.1. Transformers
7.5.2. Modelos criados com Transformers
7.5.3. Prós e contras dos Transformers

7.6. Análise de sentimento

7.6.1. Análise de sentimento
7.6.2. Aplicação prática da análise de sentimento
7.6.3. Usos da análise de sentimento

7.7. GPT Open AI

7.7.1. GPT Open AI
7.7.2. GPT 2. Modelo de Disposição Livre
7.7.3. GPT 3. Modelo de pagamento

7.8. Comunidade Hugging Face

7.8.1. Comunidade Hugging Face
7.8.2. Comunidade Hugging Face. Possibilidades
7.8.3. Comunidade Hugging Face. Exemplos
7.9. Caso Barcelona Super Computing
7.9.1. Caso BSC
7.9.2. Modelo MARIA
7.9.3. Corpus existente
7.9.4. A importância de ter um grande corpus de língua espanhola

7.10. Aplicações práticas

7.10.1. Resumo automático
7.10.2. Tradução de textos
7.10.3. Análise de sentimento
7.10.4. Reconhecimento da fala

Módulo 8. PD&I.A. Computer Vision. Identificação e acompanhamento de objetos

8.1. Visão por computador

8.1.1. Computer Vision.
8.1.2. Visão computacional
8.1.3. Interpretação das máquinas em uma imagem

8.2. Funções de ativação

8.2.1. Funções de ativação
8.2.2. Sigmoide
8.2.3. RELU
8.2.4. Tangente hiperbólica
8.2.5. Softmax

8.3. Construção de redes neurais convolucionais

8.3.1. Operação de convolução
8.3.2. Camada ReLU
8.3.3. Pooling
8.3.4. Flattering
8.3.5. Full Connection

8.4. Processo da convolução

8.4.1. Funcionamento de uma convolução
8.4.2. Códigos da Convolução
8.4.3. Convolução. Aplicação

8.5. Transformações com imagens

8.5.1. Transformações com imagens
8.5.2. Transformações avançadas
8.5.3. Transformações com imagens. Aplicação
8.5.4. Transformações com imagens. Use Case

8.6. Transfer Learning

8.6.1. Transfer Learning
8.6.2. Transfer Learning. Tipologia
8.6.3. Redes profundas para aplicar Transfer Learning

8.7. Computer Vision. Use Case

8.7.1. Classificação de imagens
8.7.2. Detecção de objetos
8.7.3. Identificação de objetivos
8.7.4. Segmentação de objetos

8.8. Detecção de objetos

8.8.1. Detecção com a convolução
8.8.2. R-CNN, busca seletiva
8.8.3. Detecção rápida com YOLO
8.8.4. Outras possíveis soluções

8.9. GAN. Redes Generativas Antagônicas , ou Generative Adversarial Networks

8.9.1. Redes generativas adversárias
8.9.2. Código para uma GAN
8.9.3. GAN. Aplicação

8.10. Aplicação de modelos de Computer Vision

8.10.1. Organização de conteúdos
8.10.2. Motores de busca visual
8.10.3. Reconhecimento facial
8.10.4. Realidade aumentada
8.10.5. Condução autônoma
8.10.6. Identificação de falhas em cada montagem
8.10.7. Identificação de pragas
8.10.8. Saúde

Módulo 9. Quantum Computing. Um novo modelo de computação

9.1. Computação quântica

9.1.1. Diferenças com a Computação Clássica
9.1.2. Necessidade da computação quântica
9.1.3. Computadores quânticos disponíveis: natureza e tecnologia

9.2. Aplicações da computação quântica

9.2.1. Aplicações da Computação Quântica vs. Computação Clássica
9.2.2. Contextos de uso
9.2.3. Aplicação em casos reais

9.3. Fundamentos matemáticos da computação quântica

9.3.1. Complexidade computacional
9.3.2. Experimento da dupla fenda Partículas e ondas
9.3.3. O entrelaçamento

9.4. Fundamentos geométricos da computação quântica

9.4.1. Qubit e o espaço de Hilbert Bidimensional complexo
9.4.2. Formalismo Geral de Dirac
9.4.3. Estados de N-Qubits e espaço de Hilbert de dimensão 2n

9.5. Fundações matemáticas álgebra linear

9.5.1. O produto interno
9.5.2. Operadores hermitianos
9.5.3. Eigenvalues e Eigenvectors

9.6. Circuitos Quânticos

9.6.1. Os Estados de Bell e as matrizes de Pauli
9.6.2. Portas lógicas quânticas
9.6.3. Portas de controle quânticas

9.7. Algoritmos quânticos

9.7.1. Portas quânticas reversíveis
9.7.2. Transformada de Fourier Quântica
9.7.3. Teletransporte Quântico

9.8. Algoritmos demonstrando a Supremacia Quântica

9.8.1. Algoritmo de Deutsch
9.8.2. Algoritmo de Shor
9.8.3. Algoritmo de Grover

9.9. Programação de computadores quânticos

9.9.1. Meu primeiro programa em Qiskit (IBM)
9.9.2. Meu primeiro programa em Ocean (Dwave)
9.9.3. Meu primeiro programa em Cirq (Google)

9.10. Aplicações da computação quântica

9.10.1. Criação de portas lógicas

9.10.1.1. Criação de um Somador Digital Quântico

9.10.2. Criação de jogos quânticos
9.10.3. Comunicação secreta de chaves entre Bob e Alice

Módulo 10. Quantum Machine Learning. A inteligência Artificial (I.A) do Futuro

10.1. Algoritmos de Machine Learning Clássicos

10.1.1. Modelos descritivos, preditivos, pró-ativos e prescritivos
10.1.2. Modelos supervisionados e não supervisionados
10.1.3. Redução de características, PCA, matriz de covariância, SVM, redes neurais
10.1.4. Otimização em ML: a descida do gradiente

10.2. Algoritmos de Deep Learning clássicos

10.2.1. Redes de Boltzmann. A revolução em Machine Learning
10.2.2. Modelos de Deep Learning. CNN, LSTM, GANs
10.2.3. Modelos Encoder-Decoder
10.2.4. Modelos de análise de sinais. Análise de Fourier

10.3. Classificadores Quânticos

10.3.1. Geração de um classificador quântico
10.3.2. Codificação dos dados em estados quânticos por amplitude
10.3.3. Codificação dos dados em estados quânticos por fase/ângulo
10.3.4. Codificação de alto nível

10.4. Algoritmos de otimização

10.4.1. Quantum Approximate Optimization Algorithm (QAOA)
10.4.2. Variational Quantum Eigensolvers (VQE)
10.4.3. Quadratic Unconstrained Binary Optimization (QUBO)

10.5. Algoritmos de otimização. Exemplos

10.5.1. PCA com circuitos quânticos
10.5.2. Otimização de pacotes de valores mobiliários
10.5.3. Otimização de rotas logísticas

10.6. Quantum Kernels Machine Learning

10.6.1. Variational Quantum Classifiers. QKA
10.6.2. Quantum Kernel Machine Learning
10.6.3. Classificação baseada em Quantum Kernel
10.6.4. Clustering baseado em Quantum Kernel

10.7. Quantum Neural Networks

10.7.1. Redes neurais clássicas e o perceptron
10.7.2. Redes neurais quânticas e o perceptron
10.7.3. Redes neurais convolucionais quânticas

10.8. Algoritmos avançados de Deep Learning (DL)

10.8.1. Quantum Boltzmann Machines
10.8.2. General Adversarial Networks
10.8.3. Quantum Fourier Transformation, Quantum Phase Estimation and Quantum Matrix

10.9. Machine Learning. Use Case

10.9.1. Experimentação com VQC (Variational Quantum Classifier)
10.9.2. Experimentação com Quantum Neural Networks
10.9.3. Experimentação com qGANS

10.10. Computação quântica e inteligência artificial

10.10.1. Capacidade Quântica em Modelos de ML
10.10.2. Quantum Knowledge Graphs
10.10.3. O futuro da Inteligência Artificial Quântica

Especialize-se como engenheiro na aplicação das tecnologias do futuro, porém com aplicações reais no presente”