PósIA - PDF orientação interessados

Prévia do material em texto

Conheça a Pós-graduação
em Inteligência Artificial
aplicada a Geotecnologias
Pré-requisito
É obrigatório que o aluno seja graduado antes
da data de início da pós-graduação;
O diploma do curso superior deve ser
reconhecido pelo MEC - governo brasileiro;
Não é permitido aluno sem curso superior se
matricular nessa pós-graduação.
Orientações gerais
Essa pós-graduação tem duração de 12 meses;
Todas as 12 disciplinas são gravadas
(assíncronas) e liberadas mensalmente na
plataforma de ensino EAD (Cosmos);
Para ser aprovado em cada disciplina, o aluno
deve realizar um questionário de múltipla
escolha contendo 10 questões e obter, no
mínimo, 70% de acerto. Caso não alcance essa
pontuação, ele terá até 5 tentativas para
refazer a avaliação;
Se, após essas 5 tentativas, o aluno ainda não
atingir os 70% necessários, será necessário
efetuar um pagamento, conforme o valor
estipulado pela Anhanguera, para refazer a
avaliação;
O acesso ao material didático (aulas, apostilas,
materiais complementares e slides) é vitalício.
No entanto, o aluno deve concluir todas as
atividades avaliativas dentro de 12 meses. Caso
ultrapasse esse prazo sem finalizar as
disciplinas, será necessário pagar um valor
estipulado pela Anhanguera, por disciplina
atrasada, garantindo assim mais 12 meses de
acesso para conclusão das atividades.
Carga horária
A carga horária total da pós-graduação é de 390
horas, dividida em 12 disciplinas.
A carga horária engloba exposição de aulas
assíncronas, estudo através de apostila, indicação
de materiais complementares de leitura e
realização de atividade avaliativa através de
banco de questões objetivas.
O curso tem duração de 12 meses.
Área do conhecimento
Nome do Curso: 
Pós-graduação em Inteligência Artificial aplicada a
Geotecnologias
Área de Avaliação (CAPES): 
Ciências naturais, matemática e estatística
Cadastro no Ministério da Educação (MEC): 
Link de acesso
Categoria da pós-graduação:
Lato sensu
https://emec.mec.gov.br/emec/consulta-cadastro/detalhamento/d96957f455f6405d14c6542552b0f6eb/NTE1/93916316abe23148507bd4c260e4b878/MjgzNzQ1
Cronograma das
aulas
Disciplinas Liberação das Aulas
Inteligência Artificial - Machine Learning
e Deep Learning 1º mês
Sensoriamento Remoto 2º mês
Mapeamento e modelagem 3D por meio
de drones 3º mês
Programação em Python aplicado a
Geotecnologias 4º mês
Visão Computacional 5º mês
IA na Agricultura e Silvicultura 6º mês
IA em Serviços Ecossistêmicos: biomassa
e carbono acima do solo 7º mês
IA em Estudos de Desastres Ambientais 8º mês
Deep Learning aplicado à análise de
dados geoespaciais 9º mês
BI: a inteligência de negócios 10º mês
Governança de dados 11º mês
Gestão ágil de projetos 12º mês
Ementa das disciplinas
Inteligência Artificial - Machine Learning e Deep
Learning
Conceitos e fundamentos de Inteligência Artificial.
Machine Learning. Deep Learning. Aplicações práticas
com Python.
Sensoriamento Remoto
O que é sensoriamento remoto, sistemas sensores e
missões e coleções de imagens. Modelagem espectral
com foco em sistemas ambientais. Processamento
digital de imagens e cálculo de índices espectrais.
Aplicações práticas.
Mapeamento por meio de RPA (drones)
A disciplina abordará a escolha de aeronaves e
sensores disponíveis para aerolevantamentos,
legislação incidente, conceitos de aerofotogrametria e
sensoriamento remoto, bem como os principais
métodos e técnicas de operação de drones e
processamento de imagens obtidas por drones para
extração de informações geográficas e
tridimensionais.
Ementa das disciplinas
Programação em Python aplicado a Geotecnologias
Introdução à programação em Python com foco em
aplicações geotecnológicas. Manipulação e exploração
de pacotes mais utilizados como pandas, numpy,
geopandas, rasterio e xarray. Análise de dados
geoespaciais com vetores e rasters, e manipulação de
dados no formato NetCDF. Utilização de fontes de
dados relevantes, incluindo Google Earth Engine,
Planetary Computer, IBGE e GeoInfo. Introdução ao
uso de APIs, com exemplo prático utilizando a API
NASAPower para extração de dados meteorológicos.
Visão Computacional
Introdução à Visão Computacional. Visão
Computacional Tradicional. Visão Computacional
Deep Learning.
IA na Agricultura e Silvicultura 
Fundamentos de Sensoriamento Remoto na
Agricultura e Silvicultura. Conceitos, definições e
desafios. Uso de modelos de inteligência artificial em
sensoriamento remoto agrícola, potencial e restrições
do uso. Tipos de modelos de Machine Learning
utilizados para o contexto de mapeamento de
agricultura e silvicultura.
Ementa das disciplinas
IA em Serviços Ecossistêmicos: biomassa e carbono
acima do solo
Fundamentos teóricos de base ecossistêmica. Relação
das funções ecossistêmicas e mudanças climáticas no
contexto das Soluções Baseadas na Natureza (SBN) e
mercado de carbono. Sensoriamento remoto e
geotecnologias na avaliação de funções
ecossistêmicas. Métodos analíticos clássicos e
Machine learning.
IA em Estudos de Desastres Ambientais
Fundamentos teóricos da ciência dos desastres
associados a fenômenos adversos, com foco nos
conceitos básicos e desenvolvimento dessa ciência.
Contextualização dos desastres de origem hidrológica
e geodinâmica no Brasil. Influência das mudanças
climáticas na ocorrência de eventos extremos. Tipos
de fenômenos adversos, geração de inventários e
amostragem. Modelagem de suscetibilidade
utilizando algoritmos de machine learning. Introdução
aos conceitos de vulnerabilidade, risco e resiliência.
Ementa das disciplinas
BI: a inteligência de negócios
O caminho da tecnologia para o crescimento
exponencial. Aplicação nos negócios. Negócios
inteligentes, negócios cognitivos, inteligência de
mercado. Tomadas de decisão dentro das empresas.
Amparo maior em análise de dados. Assertividade.
Inteligência de negócios: principais elementos, como
são feitos, analisados e gerenciados. 
Deep Learning aplicado à análise de dados
geoespaciais
Redes Neurais Recorrentes (RNNs). Long Short-Term
Memory Networks (LSTMs). Redes Gerativas
Adversárias (GANs). Auto Encoders, Transformers.
Change Detection. Super Resolução.
Governança de dados
Visão geral da gestão de dados, governança de dados,
gestão da arquitetura de dados, desenvolvimento de
dados, gestão de dados mestre e dados de referência. 
Ementa das disciplinas
Gestão ágil de projetos
Compreensão do histórico da agilidade, origens e
aspectos da agilidade e aplicações, principais
frameworks ágeis no mercado. Apresentação do
manifesto ágil e seus princípios. Definição de scrum e
apresentação de conceitos. Conceituação de Kanban.
Aplicação de kaizes para promover melhorias em
times e organizações. Estudo das métricas de
agilidade para mensurar e acompanhar os processos
ágeis. Definição da cultura data driven, tanto em
Scrum, quanto em Kanban, através de: lead time,
cycle time, throughput, burndown, burn up. 
Professores
Gustavo Henrique Soares Ferreira
Analista em Geoprocessamento e Sensoriamento
Remoto Sênior na SCCON Geospatial. Professor de
processamento digital de imagens no Laboratório de
Propulsão Digital. Mestre em Geografia com ênfase
em Geoprocessamento e Sensoriamento Remoto
(UnB). Bacharel e Licenciado em Geografia (UnB).
A expertise abrange Sistemas de Informações
Geográficas (SIG), técnicas de classificação de
imagens de satélite, análise de séries temporais,
manipulação de dados espaciais, geoestatística,
gerenciamento de banco de dados espaciais,
interpretação de imagens orbitais para identificação
de ecossistemas florestais e inundáveis, uso de
linguagens programação nas geociências e
desenvolvimento web para dados espaciais.
Professores
Gustavo Macedo de Mello Baptista
Professor Associado IV do Instituto de Geociências
da UnB. Membro permanente do Programa de Pós-
Graduação em Desenvolvimento Sustentável (UnB).
Doutor em Geologia (UnB). Mestre em Tecnologia
Ambiental e Recursos Hídricos (UnB). Especialista
em Inteligência de Futuro: Prospectiva, Estratégia e
Políticas Públicas (UnB). Licenciado em EstudosSociais - Geografia (UPIS). Bacharel em Geografia
(UnB). 
Ex-coordenador do Pólo UnB do Mestrado
Profissional em Rede Nacional para Ensino das
Ciências Ambientais - ProfCiamb (2018-2020). Tem
experiência na área de Geociências, com ênfase em
Sensoriamento Remoto e em Avaliação Ambiental.
Autor do Podcast O Fascinante Mundo do
Sensoriamento Remoto.
Pâmela Boelter Herrmann
Doutoranda e Mestra em Sensoriamento Remoto e
Geoprocessamento (UFRGS). Especialista em
Informações Espaciais Georreferenciadas (Unisinos).
Bacharela em Gestão Ambiental (UERGS). Engenheira
Ambiental (Cruzeiro do Sul).
Possui experiência acadêmica e profissional em
geoprocessamento e sensoriamento remoto, análise
de dados e modelos preditivos que utilizam técnicas
de aprendizado de máquina para a interpretação de
dados espaciais, com foco em estimativas de
biomassa e carbono. Emprega técnicas de aquisição e
processamento de imagens de RPA para
reconhecimento de padrões e análise ambiental, com
ênfase na identificação de espécies vegetais. 
Professores
Karlmer Abel Bueno Correa
Consultor de Projetos com foco em Hidrologia,
Modelagem Agrícola e Agrometeorologia,
Pesquisador e doutorando em Hidrologia Florestal
(ESALQ), Mestre em Ciências com ênfase em
Sensoriamento Remoto e Agrometeorologia
(ESALQ), Especialista em Inteligência Artificial e
Machine Learning (UNISAL), Bacharel em
Engenharia Agronômica (IFSULDEMINAS).
Experiência em processamento e manipulação de
dados de produtos e satélites meteorológicos, com
atuação em projetos de monitoramento hidrológico,
caracterizações edafoclimáticas, análises e
classificações de uso e cobertura do solo,
zoneamento agrícola e impactos de projeções
climáticas.
Professores
João Otavio Nascimento Firigato
Consultor e desenvolvedor de Projetos em Visão
Computacional e IA para Imagens de Drones e
Satélite. Mestre em Geografia com ênfase em Deep
Learning aplicado ao Sensoriamento Remoto
(UFMS). Engenheiro da Computação (Unisalesiano).
Foi desenvolvedor de software (2013 - 2015),
trabalhou como Técnico de Informática (2015 – 2021).
Mentor e Criador de conteúdos sobre Python,
Machine Learning, Deep Learning, Visão
Computacional, GEE, Sensoriamento remoto.
Professor das formações GeoVisão e IAGEO da
empresa AmbGEO Cursos e Treinamentos.
Professores
Kênia Samara Mourão Santos
Diretora Executiva da empresa Remap
Geotecnologia, Coordenadora dos temas de
agricultura, silvicultura e irrigação do projeto
MapBiomas, Mestre em Engenharia Florestal (UFPR),
Especialista em Ciência de Dados (UTFPR), Bacharela
em Engenharia Florestal (UFRA).
Trabalhou como Analista de Pesquisa e
Desenvolvimento na Agrosatélite. Assumiu a posição
de Coordenadora de Ciência de Dados na Serasa
Experian, onde foi responsável pelo desenvolvimento
de soluções para monitoramento agrícola por meio
do uso de IA. É cofundadora da empresa Remap
Geotecnologia e coordenadora dos mapeamentos de
Agricultura, Silvicultura e Irrigação do Projeto
MapBiomas Brasil.
Professores
Isabela Godoy Cabral
Doutora em Engenharia Ambiental na Universidade
Federal do Paraná (UFPR). Mestra em Engenharia
Ambiental (UFPR). Engenheira Ambiental (UFPR).
Líder da equipe de cientistas na Bluebell Index,
desenvolvendo modelos para a quantificação de
ativos digitais da natureza. É especialista em
modelagem matemática ambiental, e possui
experiência acadêmica e profissional em inteligência
artificial em sistemas ambientais, como predição de
séries temporais hidrológicas e micrometeorológicas
com redes neurais artificiais; e determinação de
padrões e análise da importância de variáveis
micrometeorológicas utilizando técnicas de machine
learning.
Professores
Renata Pacheco Quevedo
Pós-doutoranda Assistente no grupo de pesquisa
Geomorphological Systems and Risk Research na 
Universidade de Viena, na Áustria, Doutora em
Sensoriamento Remoto (INPE), Mestra em
Sensoriamento Remoto e Geoprocessamento
(UFRGS), Bacharela em Geografia (UFRGS).
Tem experiência com sensoriamento remoto, análise
espacial e modelagem usando algoritmos de
aprendizado de máquina, principalmente em ciência
dos desastres. Sua pesquisa abrange modelagem de
suscetibilidade a movimentos de massa, análise de
séries temporais, classificação uso do solo e
cobertura da terra, modelagem hidrológica para
previsão de inundações, gestão de risco de desastres.
Professores
SIGA-NOS NAS
REDES SOCIAIS
ambgeo.com
https://www.instagram.com/_ambgeo/
https://www.youtube.com/@ambgeo
https://www.linkedin.com/company/ambgeo-geoprocessamento