- Preparação do ambiente (instalar o Python, editor de texto, linha de comandos)
- Conceitos fundamentais 
- Tratamento de erros (debugging, traceback, excepções)
- Código externo (import, criar módulos, pip)
- Programação orientada a objectos: perspectiva de utilizador
- Exemplos práticos

Este é um módulo introdutório e opcional, não tendo avaliação.
Será leccionado na sua totalidade pelo docente Diogo Silva.

AI Management
Eliano Marques

AI Data Modeling
Jorge Caiado

Supervised Machine Learning**
Errol Koolmeister

Unsupervised Machine Learning
Jorge Caiado 

Time Series Forecasting*
Jorge Caiado

Deep Learning
Miguel Ribeiro 

Privacy-Preserving AI
Eliano Marques

AI Deployment & Monitoring
Eliano Marques

AI & Machine Learning Project*
Jorge Caiado, Eliano Marques e Miguel Ribeiro

* - Sessões presenciais

** - Sessão em Inglês

- Introdução à ciência de dados com o  Python;

- Importação de dados;

- Análise de dados;

- Representação de dados;

- Visualização de dados;

- Limpeza de dados;

- Integração de dados;

- Transformação de dados;

- Normalização e estandardização dos dados;

- Dados de treino e dados de teste;

- Métricas de avaliação do desempenho;

- Exemplos e iIlustrações com o Python.

- Introdução, evolução e futuro da AI;

- AI lifecyle;

- ML technologies e libraries;

- AI apps;

- AI containers;

- Cloud e object stores;

- Plataformas de AI.

- Decomposição de séries temporais;

- Métodos de alisamento exponencial;

- Modelos ARIMA;

- Identificação de modelos, estimação, avaliação do diagnóstico, seleção e previsão;

- Redes neuronais recorrentes (RNNs) e modelos de memória de curto e longo prazo (LSTMs);

- Estudo de casos reais com o Python.

- Regressão linear; 

- Regressão logística; 

- Árvores de decisão; 

- Support Vector Machine (SVM); 

- Random Forest; 

- Perceptron; 

- k-Nearest Neighbour; 

- Gradient Descent;

- Gradient Boosted Trees;

- Gaussian Naive Bayes;

- Estudo de casos reais com o  Python.

- Introdução às Artificial Neural Networks (ANN); 

- Visão computcaional utilizando Convolution Neural Networks (CNNs); 

- Processamento de sequências utilizando Recurrent Neural Networks (RNNs) e Convolution Neural Networks (CNNs);

- Natural Language Processing (NLP); 

- Estudo de casos reais com  OpenCV, Python, Keras, TensorFlow ou Pytorch. 

- Análise de componentes principais (PCA);

- Análise de Clusters;

- Dimensionamento multidimensional (MDS);

- Deteção de anomalias e outliers; 

- Estudo de casos reais com o  Python.

Técnicas e metodologias de Privacy-Preserving AI, tanto em Dados como em Algoritmos:

- Técnicas de dados (Differential Privacy & K-anonymity L-diversity T-closeness);

- Técnicas de AI (Deep Learning with Differential Privacy);

- Federated Learning;

- ML em Encrypted Data com Homomorphic Encryption.

Métodos de implementação e monitorização de AI utilizando Mlflow, Streamlit, Python, PySpark e Docker.

Execução de um projeto completo de Machine Learning utilizando algoritmos de AI.

• 

  Jorge Caiado

  Jorge Caiado é doutorado em Matemática Aplicada à Economia e à Gestão. É Professor de Análise de Dados em Finanças, Econometria e Métodos de Previsão no Instituto Superior de Economia e Gestão (ISEG) e Investigador no Centro de Matemática Aplicada e Economia. Foi investigador convidado no Departamento de Estatística da Universidade Carlos III em Madrid (Espanha) e professor convidado no ISEGI Nova Lisbon School. A sua investigação em econometria, finanças, análise de séries temporais, métodos de previsão e software estatístico levou a numerosas publicações em revistas e livros científicos. É consultor e formador em data science para muitas empresas e organizações, incluindo bancos centrais, bancos comerciais e de investimento, bolsas de valores e comissões de mercados de capitais, gabinetes de estatística e de estudos económicos, empresas de transporte e logística, empresas na área da saúde e companhias de seguros. É também co-fundador e sócio da GlobalSolver - uma startup tecnológica que trabalha com AI, Machine Learning & Big Data. Primeiro lugar do Prémio SICO2007 atribuído pela Spanish IEEE Computational Intelligence Society.
• 

  Eliano Marques

  Eliano Marques possui um Mestrado em Econometria Aplicada e Previsão do Instituto Superior de Economia e Gestão (ISEG) da Universidade de Lisboa e é, atualmente, o Vice-Presidente Executivo da Data & AI na Protegrity - uma empresa especializada em Privacidade e Segurança de Dados. Juntou-se à Protegrity dos Emirados, onde foi VP para a Data Science, antes de desempenhar diferentes funções globais de AI na Think Big Analytics, Teradata e Deloitte UK. É executivo da Data Science com experiência no estabelecimento de capacidades de AI, Data & Analytics em empresas de muitas indústrias e geografias em todo o mundo. É também um líder tecnológico, capaz de construir soluções de AI de raiz lado a lado com Data Scientists e Engenheiros. Concebeu e construiu soluções de AI em grande escala em tempo real que potenciam a Machine/Deep Learning no seu núcleo, desde o laboratório até à produção em todas as grandes clouds.
• 

  Errol Koolmeister

  Errol Koolmeister é especialista premiado IA e Data, tendo contribuído, com sucesso, para capacitar grandes empresas a criar valor com IA. Mais recentemente, foi responsável pela IA do grupo H&M (Hennes & Mauritz). Antes da H&M, trabalhou como diretor de Data Science na Think Big Analytics. Foi Lead Data Scientist do grupo Vodafone. Começou a sua carreira no banco Nordea, a maior instituição financeira dos nórdicos, onde ajudou a construir vários departamentos de Analytics. Estudou Decision Science ao nível de Pós-Graduação e é licenciado em Finanças com formação em Engenharia Informática.
• 

  Miguel Ribeiro

  Miguel Ribeiro é Chief Technology Officer e Co-founder da GlobalSolver. Tem um MBA em Gestão e Liderança. Tem mais de 25 anos de experiência como consultor tecnológico sénior em Portugal e no Reino Unido (Timberlake Consultants, Deloitte, Accenture e Pioneer) nas áreas de machine learning, artificial intelligence, neural network e deep learning, computer vision e speech recognition, desenvolvimento web e mobile. Foi galardoado com o 2.º lugar no prémio Jaime Filipe, da Segurança Social Portuguesa, que envolveu a integração de cidadãos deficientes utilizando ferramentas de software. É o Co-inventor (com Jorge Caiado) da USPatent ?Digital method of centralizing, optimizing and negotiating purchases?.
• 

  Diogo Silva

  Diogo Silva é mestre em Engenharia Eletrotécnica, com foco em Computadores e Controlo. É docente de Programação e Cyber Warfare na Academia da Força Aérea. Faz parte da equipa do Centro de Investigação da Academia da Força Aérea (CIAFA), como engenheiro para a investigação, onde está responsável pela componente computacional dos projectos do CIAFA. Adicionalmente, integra várias equipas de orientação de dissertações de mestrado no âmbito da arquitectura de software, visão computacional e controlo.

Para além das aulas, os participantes podem contar com o apoio de tutores, profissionais especializados com experiência de campo nos principais tópicos abordados. A sua função será acompanhar o percurso dos participantes, esclarecendo dúvidas, apoiando o auto-estudo, e dando conselhos bibliográficos relevantes.

O programa terá início a 3 de março de 2023.

As propinas do curso, no total de 4.500€, repartem-se da seguinte forma:

Matrícula (a pagar até uma semana após a aceitação no curso) - 750€*

1.ª Propina (a pagar até – 31 de março) - 375€ 

2.ª Propina (a pagar até – 28 de abril) - 375€ 

3.ª Propina (a pagar até – 31 de maio) - 375€ 

4 ª Propina (a pagar até – 30 de junho) - 375€ 

5.ª Propina (a pagar até – 31 de julho) - 375€ 

6.ª Propina (a pagar até – 29 de setembro) - 375€ 

7.ª Propina (a pagar até – 31 de outubro) - 375€ 

8.ª Propina (a pagar até - 30 de novembro) - 375€ 

9.ª Propina (a pagar até - 29 de dezembro) - 375€ 

10.ª Propina (a pagar até - 31 de janeiro) - 375€ 

Os antigos alunos do ISEG e do ISEG - Executive Education beneficiam de uma redução de 10%. Para saber outras modalidades de pagamento, contacte o Program Advisor.

*Não reembolsável em caso de desistência por parte do aluno.

Poderá consultar a tabela de emolumentos aqui.

A seleção dos candidatos para a inscrição é da competência e responsabilidade exclusiva do Conselho Científico e é levada a cabo em conformidade com um conjunto de critérios.