Faça parte da Turma Fundadora da Pós-Graduação em IA Aplicada ao Meio Ambiente

Objetivo: Compreender os algoritmos e modelos matemáticos preditivos fundamentais da IA e do Aprendizado de Máquina.

Foco prático: Definições e abordagens de IA; Conceitos e algoritmos fundamentais; Estrutura, treinamento e aplicações; Evolução computacional e otimização de modelos preditivos.

Objetivo: Processar e estruturar grandes volumes de documentos (PDFs, laudos e licenças) para alimentar fluxos RAG e LLMs.

Foco prático: Gestão de documentos, licenças e textos jurídicos; Estruturação de bancos de dados para suporte a modelos de linguagem (LLMs) e Recuperação Aumentada por Geração (RAG) voltados à legislação.

Objetivo: Utilizar modelos generativos avançados (LLMs) para otimizar e apoiar a elaboração de laudos, relatórios técnicos e estudos de impacto ambiental.

Foco prático: Engenharia de prompts focada em relatórios; Automatização na redação técnica de estudos de impacto (EIA/RIMA); Análise assistida por LLMs de conformidade jurídica ambiental.

Objetivo: Projetar redes de sensores e sistemas de telemetria para coleta e captação contínua de dados ambientais em tempo real.

Foco prático: Coleta contínua de dados de qualidade de ar e água; Redes de sensores locais; Protocolos de comunicação e telemetria ambiental em tempo real integrados com IAs analíticas.

Objetivo: Processar dados espaciais e imagens aéreas ou de satélite com algoritmos de Deep Learning para identificar padrões e alterações na cobertura terrestre.

Foco prático: Identificação automática de desmatamento e queimadas; Classificação avançada de uso e cobertura do solo com deep learning; Drones e processamento inteligente de imagens orbitais.

Objetivo: Dominar os princípios da engenharia de software, ciclos de vida de sistemas e as diferentes abordagens e metodologias de desenvolvimento.

Foco prático: Metodologias ágeis (Scrum/Kanban) e tradicionais; Ciclo de vida e qualidade de software; Conceitos fundamentais de arquitetura e documentação de sistemas técnicos.

Objetivo: Projetar e construir sistemas baseados em múltiplos agentes de IA que tomam decisões, cooperam e automatizam fluxos operacionais complexos.

Foco prático: Arquitetura e orquestração de múltiplos agentes; Frameworks modernos para agentes autônomos; Integração de LLMs a ferramentas externas (APIs, Web e bancos de dados).

Objetivo: Criar réplicas virtuais (Gêmeos Digitais) de bacias e áreas protegidas para simular impactos e intervenções ambientais.

Foco prático: Criação de réplicas virtuais de bacias hidrográficas e áreas protegidas; Simulação de impactos e testes de múltiplos cenários antes da intervenção no ambiente físico.

Objetivo: Implementar governança de dados ambientais em conformidade com a LGPD e boas práticas de segurança cibernética.

Foco prático: Legislação e regulamentação de proteção de dados (LGPD); Ferramentas e Bibliotecas Open Source para detecção de anomalias e segurança cibernética em bases de dados sensíveis.

Objetivo: Aprender e aplicar técnicas de teste e inspeção de código para garantir a qualidade, confiabilidade e estabilidade de sistemas baseados em IA.

Foco prático: Automação de testes de unidade e integração; Estratégias de testes para sistemas complexos; Inspeção estática de código e pipelines de integração contínua (CI/CD).

Objetivo: Alinhar o desenvolvimento de soluções de software aos objetivos estratégicos de negócios utilizando guias de melhores práticas como o BABOK.

Foco prático: Papel do Product Owner em projetos de tecnologia; Técnicas de modelagem de processos e análise de requisitos; Gestão ágil de backlog e entrega de valor consistente ao cliente final.