Curso: Machine Learning para detecção e diagnóstico de falhas em processos industriais

—

1. Objetivos:

Discutir e desenvolver modelos de Machine Learning em processos industriais, passando pelo tratamento de banco de dados. Será abordado um estudo de caso, um benchmark, representando um processo para a construção de sistemas inteligentes. O curso será modulado para que os alunos possam ter acesso aos principais conceitos e ferramentas Python e as aulas serão de forma online (síncronas).

2. Público alvo:

O curso é destinado para estudantes, profissionais da indústria e da academia que tenham aptidão para programação.

3. Carga horária:

Serão 46 h totais, sendo desenvolvido em 2 módulos sequenciais de 20h e 26h, respectivamente.

4. Conteúdo:

Módulo I (20h):

• Conceitos sobre machine learning e suas aplicações em processos industriais; Banco de dados industriais e estudo de caso (Tennessee Eastman Process (TEP)); Principais bibliotecas em Python para machine learning (Pandas, Numpy, SciPy, Matplotlib, Seaborn, Keras, Scikit-learn e TensorFlow); Técnicas de data wrangling; Redução de dimensionalidade (feature extraction e selection); Criação de dados sintéticos (uso do SMOTE).

Módulo II (26h):

• Conceitos de modelos em processos; Tipos de modelos; Classificação; Treinamento de modelos; Máquina de vetores de suporte; Árvores de decisão; Aprendizado Ensemble e florestas aleatórias; Técnicas de aprendizado não supervisionado;

5. Número de alunos:

O número mínimo de alunos para realização do curso deve ser 20. 

6. Investimento:

A divisão do curso será em módulo e os valores são:

7. Previsão de início dos módulos:

Módulo I – 09/04/24 (terças e quintas das 19h às 21h)

Módulo II – 23/05/24 (terças e quintas das 19h às 21h)

8. Como fazer a inscrição?

  – Para realizar as inscrições os alunos devem seguir alguns passos simples:

1) Efetuar depósito na conta abaixo

   Banco Itaú (341)

   Agência: 1108

   Conta corrente: 04755-4

   Fundação Padre Leonel Franca

   (CNPJ: 28.019.214/0001-29)

2) Preencher a ficha de inscrição disponível em

https://forms.gle/1YCqjSXPZHD3Y7br8

3) Confirmação da inscrição por e-mail pela organização.