Módulo 0  |  Fundamentos de Cloud Computing

• Introdução à Computação

1. Macro Evolução da Computação
2. Modelos de Fornecimento de Serviços de Computação
3. O que é Computação em Nuvem?

• Computação em Nuvem

1. Características da Computação em Nuvem
2. Principais Players do Mercado de Computação em Nuvem
3. Modelos de Implantação de Nuvem
4. Soluções Multi-Cloud

• Modalidades de Serviços em Nuvem

1. Introdução às Modalidades de Serviços em Nuvem
2. Infraestrutura como Serviço (IaaS)
3. Plataforma como Serviço (PaaS)
4. Software como Serviço (SaaS)
5. Banco de Dados em IaaS x PaaS

• Jornada de Adoção da Nuvem

1. Framework de Adoção de Nuvem
2. Estratégias de Migração
3. TCO e ROI
4. Governança de Custos na Nuvem
5. Centro de Arquitetura
6. Ferramentas de Diagramação Arquitetural

• Trabalhando na Nuvem

1. Por Onde Começar?
2. Overview da AWS
3. Autenticação e Autorização na AWS
4. Amazon EC2
5. Amazon S3
6. Amazon RDS
7. Carreira em Cloud
8. Certificações em Cloud

Módulo 1  |  Introdução ao Azure e Infraestrutura Básica de TI como Serviço

• Introdução ao Azure
• Portal Azure
• Marketplace do Azure
• Overview dos Serviços do Azure (Big Picture)
• Azure Account, Management Groups, Subscriptions e Resource Groups
• Azure Resource Manager
• Infraestrutura global do Azure, Regiões, Áreas Geográficas, Zonas de Disponibilidade e Azure Edge Zones; Serviços de Computação Básica (Azure Virtual Machines, Azure Virtual Machine Scale Sets, Azure Container Instances, Azure Kubernetes Service e Windows Virtual Desktop)
• Serviços de Rede do Azure
• Software as a Service no Azure
• Planejamento e Gerenciamento de Custos no Azure
• SLAs e Ciclo de Vida dos Serviços do Azure

Módulo 2  |  Serviços de Armazenamento, Banco de Dados e Analytics

• Azure Data Platform
• Perfis dos Profissionais de Dados
• Tipos de dados
• Serviços de Armazenamento (Storage Accounts, Tipos de Discos, Azure Blob Storage, Azure File Storage, Azure Table Storage, e Camadas de Acesso (Hot / Cool / Archive) 
• IaaS para Bancos de Dados
• Azure SQL Database
• Azure SQL Managed Instance
• Azure CosmosDB
• Azure Database para MySQL, MariaDB, PostgreSQL e Redis; § Azure Time Series Insights
• Elastic Stack no Azure
• Introdução a Data Analytics no Azure
• Serviços do Azure para Data Warehouse Moderno / Big Data (Azure Data Factory, Azure Data Lake Storage, Azure Databricks, Azure Synapse Analytics, Azure Analysis Services, Azure HDInsight)
• Azure Purview

Módulo 3  |  Soluções para Desenvolvimento e Inteligência Artificial

• Azure DevOps e GitHub
• Azure DevTest Labs
• Azure App Service
• Azure Functions e Azure Logic Apps
• Azure IoT Hub, IoT Central e Azure Sphere
• Azure Power Platform (Power Apps, Power Automate, PowerBI e Power Virtual Agents)
• Ferramentas para Gerenciamento e Configuração de Ambientes no Azure (Azure Portal, Azure Mobile App, Azure PowerShell, Azure CLI, Cloud Shell, Templates ARM)
• Soluções para Infraestrutura como Código (IaC) no Azure
• Serviços de IA (OpenAI) e Machine Learning (Cognitive Services)

Módulo 4  |  Soluções de Segurança, Governança, Compliance e Migração

• Azure Security Center
• Azure Sentinel
• Azure Key Vault
• Defesa em Profundidade
• Azure Firewall
• Azure DDoS Protection
• Network Security Groups
• Azure Active Directory (AD)
• Autenticação de Múltiplos Fatores e Single Sign-On no Azure
• Azure Dedicated Host
• Azure Advisor
• Azure Monitor
• Azure Backup
• Azure Service Health
• Estratégia de Governança de Assinaturas
• Azure Role-based Access Control
• Azure Tags, Resource Locks, Azure Policy e Blueprints
• Compliance no Azure (Categorias de conformidade, Azure Trust Center, Azure Compliance Documentation, Azure Government, Azure China 21Vianet)
• Soluções para LGPD no Azure
• Azure Cloud Adoption Framework
• Planejamento e Migração para o Azure (Estratégias e Ferramentas)

Módulo 1  | Introdução à AWS e Infraestrutura Básica de TI como Serviço

• Introdução à AWS
• Portal AWS
• Marketplace da AWS
• Overview dos Serviços da AWS
• AWS Account, AWS Identity and Access Management (IAM), IAM Users, IAM Policy, IAM Groups, IAM Roles
• AWS Organizations
• Infraestrutura global da AWS, Regiões, Zonas de Disponibilidade, Edge Locations
• Serviços de Computação Básica (AWS EC2, Elastic Load Balancing, Amazon Elastic Container Service, Amazon Elastic Kubernetes Service, AWS Fargate e Amazon WorkSpaces)
• Serviços de Rede da AWS
• Software as a Service na AWS
• Planejamento e Gerenciamento de Custos na AWS
• SLAs e Ciclo de Vida dos Serviços da AWS

Módulo 2 |  Serviços de Armazenamento, Banco de Dados e Analytics

• AWS Data Platform
• Serviços de Armazenamento: Amazon Simple Storage Service (S3), Amazon S3 Glacier, Amazon Elastic Block Store (EBS), Amazon Elastic File System (EFS), Amazon FSx, e AWS Snow
• IaaS para Bancos de Dados
• Amazon RDS; elaborar uma solução para armazenamento de dados não estruturados, relacionais e elaborar uma solução para Data Warehouse moderno na AWS
• Amazon Aurora
• Amazon DynamoDB
• Amazon DocumentDB
• Amazon ElastiCache
• Amazon Keyspaces
• Amazon Neptune
• Amazon Quantum Ledger Database (QLDB)
• Amazon Timestream
• Amazon OpenSearch Service
• Introdução à Data Analytics na AWS
• Serviços da AWS para Data Warehouse Moderno / Big Data (AWS Glue, AWS Data Pipeline, Amazon Redshift, Amazon EMR, AWS Lake Formation, Amazon Kinesis, Amazon Managed Streaming for Apache Kafka (Amazon MSK) e Amazon QuickSight)
• Serviços de IA e Machine Learning

Módulo 3  |  Soluções para Desenvolvimento e Ferramentas de Gerenciamento

• Serviços para DevOps na AWS CodePipeline, CodeBuild, CodeCommit, Code Deploy, CodeArtifact etc
• AWS Device Farm
• AWS Amplify
• AWS AppSync
• Amazon API Gateway
• AWS Lambda e outras soluções Serverless
• Soluções AWS para IoT
• Ferramentas para Gerenciamento e Configuração de Ambientes na AWS (AWS Management Console, AWS Console Mobile Application, AWS CLI e SDKs); elaborar uma solução com os serviços para DevOps oferecidos pela AWS; elaborar uma solução para Infraestrutura como Código (IaC) na AWS
• Soluções para Infraestrutura como Código (IaC) na AWS

Módulo 4  |  Soluções de Segurança, Governança, Compliance e Migração

• AWS Key Management Service (AWS KMS)
• AWS Secrets Manager
• Amazon Cognito
• Amazon Inspector
• AWS Security Hub
• AWS Network Firewall
• Amazon GuardDuty
• AWS WAF
• AWS Shield
• Amazon Detective
• AWS Directory Service (AD)
• Autenticação de Múltiplos Fatores e Single Sign-On na AWS
• Amazon EC2 Dedicated Hosts
• AWS Trusted Advisor, AWS Compute Optimizer e AWS Systems Manager
• Amazon CloudWatch
• AWS CloudTrail
• AWS Backup
• AWS Personal Health Dashboard
• AWS Resource Access Manager
• AWS Tags, Resource Locks, Policy e Blueprints
• Compliance na AWS (AWS Artifact, Customer Compliance Center)
• Soluções para LGPD na AWS
• AWS Cloud Adoption Framework (AWS CAF)
• Planejamento e Migração para a AWS (Estratégias e Ferramentas)

A partir do aprendizado nos bootcamps que compõem a sua Trilha de Pós-Graduação, é hora de começar seu Projeto Aplicado como Desafio de Conclusão.

É a última etapa da sua especialização, momento em que você será, mais do que nunca, protagonista da sua jornada de conhecimento. Você será apresentado para problemas com alto grau de incerteza e o desafio será propor ideias inovadoras para solucioná-los. O projeto substitui o tradicional Trabalho de Conclusão de Curso, com uma diferença fundamental: é focado em entrega de valor, aplicabilidade, praticidade e com situações atuais que ocorrem no mercado de trabalho.

Durante o Desafio de Conclusão, você terá aulas interativas, reuniões de orientação em grupo e fórum individual para lhe auxiliar.

Ao final dos dois bootcamps e do PA, você receberá seu título de pós-graduação e terá ainda mais habilidades técnicas para alavancar sua carreira. Além disso, realizando o upgrade na sua formação com o bootcamp de Inteligência Artificial após concluir o PA, você receberá uma segunda certificação de pós-graduação, ambas com chancela do MEC.

Módulo 0  |  A Linguagem Python

• Introdução à Linguagem Python
• Lógica de programação Python
• Programação Orientada a Objetos em Python:

1. Classes e Métodos;
2. Atributos e Herança.

• Estruturas de Dados em Python: 

1. Dicionários, Listas e Tuplas;
2. Conjuntos (sets e multisets);
3. Estrutura de arrays do Numpy.

• Estruturas de repetição (loop)
• Fundamentos dos pacotes Pandas e Numpy

Módulo 1  |  Fundamentos da Inteligência Artificial

• Introdução à Inteligência Artificial:

1. Definição de IA e sua evolução histórica;
2. Diferenças entre IA, aprendizado de máquina (Machine Learning – ML) e aprendizado profundo (Deep Learning – DL);
3. Visão geral dos tipos de IA: IA fraca vs. IA forte.

• Conceitos Fundamentais de IA:

1. Algoritmos de aprendizado de máquina: supervisionado, não supervisionado e por reforço;
2. Modelos discriminativos vs Generativos;
3. Redes neurais e estruturas básicas de dados para IA;
4. Ferramentas e linguagens de programação para IA: Python, TensorFlow, PyTorch.

• Aplicações e Casos de Uso da IA:

1. Exemplos práticos de IA no dia a dia;
2. IA nas indústrias: saúde, finanças, educação e mais;
3. Benefícios e limitações da IA.

• Ética e IA:

1. Discussão sobre viés e justiça em sistemas de IA;
2. Privacidade de dados e segurança na era da IA;
3. Regulamentações e políticas de IA.

Módulo 2  |  Implementando e Trabalhando com IA 

• Identificando Oportunidades de IA:

1. Como identificar problemas solucionáveis com IA;
2. Avaliação de prontidão para IA nas organizações (maturidade analítica das organizações);
3. Estudos de caso de transformação digital com IA.

• Planejamento e Implementação de Soluções de IA:

1. Etapas para desenvolver e implementar projetos de IA;
2. Coleta e tratamento de dados para aprendizado de máquina;
3. Monitoramento e avaliação de modelos de IA.

• Estratégias de Aprendizado e Melhoria Contínua:

1. Importância dos dados e da qualidade dos dados para IA;
2. Técnicas de aprimoramento de modelos: ajuste fino e transferência de aprendizagem;
3. Implementando ciclos de feedback e aprendizado contínuo.

• Liderança e Competências Organizacionais em IA:

1. Desenvolvimento de competências de IA dentro das organizações;
2. Decisões estratégicas: construir internamente, comprar ou terceirizar soluções de IA;
3. Criando uma cultura orientada por dados e IA.

Módulo 3  |  Inteligência Artificial e IA Generativa Aplicadas às Soluções de TI

• Aplicações de IA em Soluções de TI:

1. Modelo de regressão e sistemas de recomendação personalizados;
2. Detecção de padrões e de anomalias;
3. Chatbots Inteligentes, Prompt Engineering (Engenharia de Prompt) e soluções de IA conversacional;
4. Análise preditiva e prescritiva;
5. Soluções de detecção de fraude;
6. Soluções de conformidade.

• Inteligência Artificial como Apoio à Engenharia de Confiabilidade de Sites (Site Reliability Engineering - SRE)
• Processamento de Linguagem Natural (Natural Language Processing - NLP), Compreensão de Linguagem Natural (Natural Language Understanding - NLU) e Geração de Linguagem Natural (Natural Language Generation - NLG)
• O que é IA Generativa
• Aplicabilidade e Importância da IA Generativa nas Soluções de TI
• OpenAI’s GPT-4
• Entendendo a Arquitetura de Modelos Generativos:

1. Rede Adversária Generativa (Generative Adversarial Networks - GANs);
2. Codificadores automáticos variacionais (Variational Autoencoders - VAEs)
3. Transformer;
4. Chatbot.

• IA Generativa na Elaboração de Projetos Arquiteturais de Software, de Dados e de Soluções
• IA Generativa para a Geração Automatizada de Código
• IA Generativa na Detecção e Resolução de Problemas em Sistemas de Software
• Modelos Generativos para Simulação e Prototipagem Rápida de Sistemas de Software
• IA Generativa na Documentação Automatizada e Explicação de Modelos de IA

Módulo 4   |  Inteligência Artificial como Serviço 

• Serviços Básicos de IA em Nuvem:

1. Visão geral dos serviços básicos de IA em nuvem (AWS, Azure e GCP);
2. Serviços de reconhecimento de imagem;
3. Serviços de reconhecimento de voz;
4. Serviços de processamento de linguagem natural;
5. Serviços de recomendações personalizadas.

• Treinamento de Modelos de IA em Nuvem:

1. Ferramentas e serviços oferecidos pelos provedores de nuvem para treinamento de modelos de inteligência artificial;
2. Estratégias de treinamento, incluindo seleção de algoritmos, otimização de parâmetros e processamento de grandes conjuntos de dados.

• Implantação e Escalonamento de Modelos de IA em Nuvem:

1. GPU e TPU para workloads de IA;
2. Discussão sobre diferentes opções de implantação, incluindo contêineres, funções serverless e serviços gerenciados;
3. Estratégias de escalonamento para lidar com cargas de trabalho variáveis e volumes de dados em expansão.

• Monitoramento e Manutenção de Modelos de IA em Nuvem:

1. Monitoramento contínuo de modelos de IA em ambientes de produção;
2. Utilização de métricas e ferramentas de monitoramento para avaliar o desempenho e a qualidade dos modelos em produção.

• Ferramentas e Plataformas para Gerenciamento de Modelos de IA em Nuvem:

1. Ferramentas e serviços disponíveis para facilitar o gerenciamento de modelos de IA em nuvem;
2. Plataformas de gerenciamento de ciclo de vida de modelos, controle de versão e colaboração em equipe.

• Segurança e Ética na IA em Nuvem:

1. Desafios de segurança na IA em nuvem;
2. Privacidade de dados e conformidade regulatória;
3. Questões éticas relacionadas à IA em nuvem;
4. Estratégias para mitigar riscos de segurança e garantir a ética no uso da IA em nuvem.