Logica-de-Programacao-para-IA-com-Python

Repositório para armazenar material para alunos de lógica de programação do curso de IA.

MATRIZ DE DESIGN INSTRUCIONAL Instrutor Hiram Amaral

Nome Curso LÓGICA DE PROGRAMAÇÃO PARA IA COM PYTHON Público Alvo Alunos do 3º ano do Ensino Médio Objetivos Geral Oferecer ao aluno conhecimentos em Inteligência Artificial, proporcionando o entendimento dos principais conceitos e fundamentos da Inteligência Artificial, bem como prepara-los para atuar na resolução de problemas reais na respectiva área. Específicos

● Contextualizar a importância da Inteligência Artificial e suas aplicações na vida cotidiana; ● Desenvolver e aprimorar o raciocínio lógico; ● Capacitar os estudantes e profissionais para a resolução de problemas reais utilizando técnicas de Inteligência Artificial; Estabelecer os padrões para as habilidades de Inteligência Artificial.

Ementa

Introdução a lógica de programação; Introdução a algoritmos; Introdução a linguagem de programação python; Funções básicas em python; Introdução a Inteligência Artificial; Principais carreiras na área de IA; Principais Aplicações de IA no mundo real; Fundamentos teóricos e práticos de IA; Fundamentos de ciência de dados; Principais ferramentas de desenvolvimento utilizadas em IA; Principais ferramentas de desenvolvimento utilizadas em IA; Técnicas estatísticas fundamentais; Importação, manipulação e visualização de dados usando as principais bibliotecas, como: Pandas, Numpy, Matplotlib, etc.; Manipulação de conjuntos de dados na prática; Introdução a aprendizagem de máquina; Conceitos básicos de Aprendizagem de máquina; Principais tipos de aprendizagem de máquina; Principais algoritmos de aprendizagem de máquina; Implementação de algoritmos básicos de machine learning; Visão geral de deep learning; Algoritmos de deep learning; Visão geral de redes neurais artificiais; Principais algoritmos de redes neurais artificiais; Deep learning para visão computacional; Fundamentos da visão computacional; Tipos de visão computacional; Redes neurais convolucionais; Algoritmos de Redes Neurais Convolucionais; Manipulação de Imagens usando Redes Neurais Convolucionais.

Carga Horária: 60 horas

Aula 1

VISÃO GERAL DO MÓDULO E DA ESTRATÉGIA DE ESTUDO 3 horas 1. Principais carreiras na área de IA;

2. Principais Aplicações de IA no mundo real;

3. Introdução a lógica de programação;

4. Introdução a algoritmos;

5. Introdução a linguagem Python;

6. Visão geral de deep learning;

7. Algoritmos de deep learning;

8. Deep learning para visão computacional;

9. Fundamentos da visão computacional;

10. Tipos de visão computacional;

11. Introdução a Inteligência Artificial;

12. Fundamentos teóricos e práticos de IA;

13. Fundamentos de ciência de dados;

14. Ferramentas de desenvolvimento em IA;

    • Aula expositiva interativa

• Acesso a sites de Programação, Algoritmos, Ciência de Dados, IA, Python, Projetos de IA, IDE´s. -Exemplo de miniprojeto
• Expectativa ou objetivos do estudante com o módulo de LP_IA_PY - Aplicar questões de sensibilização e nivelamento por meio de ferramentas computacionais
• Aplicação de exercício de assimilação.

Aula 2

AMBIENTE DE DESENVOLVIMENTO 3 horas - Preparação de Ambiente Python;

• Instalação de Bibliotecas; -Montagem do Ambiente de Desenvolvimento:

-instalação visualg - (http://visualg3.com.br/baixar-o-visualg3-0/) -instalação python - (https://www.python.org/downloads/) -Cadastro no colab - (https://colab.research.google.com/) -integração com google drive -integração com o github -instalação do github desktop - (https://desktop.github.com/) -visualização do github -instalação pacote anaconda - (https://docs.anaconda.com/anaconda/install/windows/)

• ReApresentação do Módulo Lógica de Programação para IA com Python
  • ReApresentação do Ambiente de Estudo ReApresentação da Estratégia de Ensino-Aprendizagem ReApresentação do Roteiro do Aluno Estudante Comissionamento do ambiente (mãos à obra)
  • Acompanhar instalações
  • Avaliar ambiente de desenvol vimento
  • Avaliar e pontuar p Ambiente de desenvolvimento
• Realizar exercício de acesso e manipulação de arquivos no ambiente de desenvolvimento

Aula 3

AMBIENTE DE DESENVOLVIMENTO 3 horas CONTINUAÇÃO DA AULA ANTERIOR - Google Colab

https://colab.research.google.com/#scrollTo=GJBs_flRovLc https://colab.research.google.com/github/csmastersUH/data_analysis_with_python_2020/blob/master/basics.ipynb#Exercise-1-(hello-world) - Python Welcome to Python.org - Visualg https://visualg3.com.br/baixe-o-visualg-3-0-7/ - Classroom LÓGICA DE PROGRAMAÇÃO PARA IA COM PYTHON TECNOLOGIA DA INFORMAÇÃO E COMPUTAÇÃO (google.com) - Github https://github.com/hiramaral/lp_ia_python - Googledrive https://classroom.google.com/u/0/c/NDM5MTQ4ODU2MzA4

• Blog do módulo: https://logicadeprogramacaoparaiacompython.blogspot.com/2021/12/lpiapython-aula-13.html

• ReApresentação do Módulo Lógica de Programação para IA com Python

  • ReApresentação do Ambiente de Estudo ReApresentação da Estratégia de Ensino-Aprendizagem ReApresentação do Roteiro do Aluno Estudante Comissionamento do ambiente (mãos à obra)
  • Acompanhar instalações
  • Avaliar ambiente de desenvol vimento
  • Avaliar e pontuar o Ambiente de desenvolvimento

• Realizar exercício de acesso e manipulação de arquivos no ambiente de desenvolvimento

Aula 4

ALGORITMOS 3 horas Conceitos e implementações de algoritmos

3.1. Conceitos fundamentais 3.2. Tipos primitivos de dados 3.3. Memória, constantes e variáveis. 3.4. Operadores aritméticos, lógicos e relacionais. 3.5. Comandos básicos de atribuição e de entrada e saída de dados 3.6. Funções primitivas 3.7. Estruturas condicionais 3.8. Estruturas de repetição - Visualg https://visualg3.com.br/baixe-o-visualg-3-0-7/

• Google Colab https://colab.research.google.com/#scrollTo=GJBs_flRovLc

5-Datashow - Aulas práticas com teorias aplicadas aos algoritmos estudados

• Estudo de exemplos feitos
• Implementação de algoritmos
  • Avaliar e pontuar as participações nos exemplos feitos
• Realizar exercício de acesso e manipulação de arquivos no ambiente de desenvolvimento
• Verificação de algoritmos implementados

Aula 5

ALGORITMOS 3 horas CONTINUAÇÃO DA AULA ANTERIOR - Visualg

https://visualg3.com.br/baixe-o-visualg-3-0-7/

• Google Colab https://colab.research.google.com/#scrollTo=GJBs_flRovLc

5-Datashow - Aulas práticas com teorias aplicadas aos algoritmos estudados

• Estudo de exemplos feitos
• Implementação de algoritmos Avaliar e pontuar as participações nos exemplos feitos
• Realizar exercício de acesso e manipulação de arquivos no ambiente de desenvolvimento
• Verificação de algoritmos implementados

Aula 6

OPERAÇÕES ARITMÉTICAS 3 horas 4.0 Operações Aritméticas;

4.1. Variáveis; 4.2. Tipos de Dados; 4.3. Estruturas de dados básicas; 4.4. Operações Lógicas;

https://github.com/hiramaralIA/Logica-de-Programacao-para-IA-com-Python/tree/master1 - Aulas práticas com teorias aplicadas aos algoritmos estudados

• Estudo de exemplos feitos
• Implementação de algoritmos
  • Realizar exercício propondo a construção de um programa que simule a tabuada

Aula 7

OPERAÇÕES ARITMÉTICAS 3 horas 4.5. Estruturas Condicionais;

4.6. Laços; 4.7. Funções básicas em Python;

https://github.com/hiramaralIA/Logica-de-Programacao-para-IA-com-Python/tree/master1 - Aulas práticas com teorias aplicadas às estruturas estudados

• Estudo de exemplos feitos
• Implementação de estruturas -Proposta de exercícios básicos envolvendo matemática e texto para verificar o aprendizado, com lista de exercícios ao final da aula UNIDADE 2: LINGUAGEM PYTHON

Aula 8

Linguagem de Programação Python 3 horas ### Introdução:

• Preparação de Ambiente Python;
• Ambientes Virtuais;
• Anaconda
• Google Colab Notebook;
• Instalação de Bibliotecas; 1

https://github.com/hiramaralIA/Logica-de-Programacao-para-IA-com-Python/tree/master1 -Apresentação dos sites e fontes de download dos instaladores. -Apresentação dos ambientes virtuais como Google Colab -Instalação dos interpretadores -Proposta de exercícios básicos envolvendo matemática e texto para verificar o aprendizado, com lista de exercícios ao final da aula

Aula 9

Linguagem de Programação Python 3 horas ### Linguagem de Programação Python:

• Operações Aritméticas;
• Variáveis;
• Tipos de Dados;
• Estruturas de dados básicas;
• Operações Lógicas;
• Estruturas Condicionais;
• Laços;
• Funções;

https://github.com/hiramaralIA/Logica-de-Programacao-para-IA-com-Python/tree/master1 - Aulas práticas com teorias aplicadas às estruturas estudados

• Estudo de exemplos feitos
• Implementação de estruturas -Proposta de exercícios básicos envolvendo matemática e texto para verificar o aprendizado, com lista de exercícios ao final da aula

Aula 10

Análise e Visualização de Dados 3 horas ## Análise e Visualização de Dados:

• Numpy;
• Pandas;
• Matplotlib;

https://github.com/hiramaralIA/Logica-de-Programacao-para-IA-com-Python/tree/master1 - Aulas práticas com teorias aplicadas às estruturas estudados

• Estudo de exemplos feitos
• Implementação de estruturas -Questionário com perguntas teóricas sobre o assunto ministrado

Aula 11

ESTRATÉGIA DE PROJETO 3 horas PROJETO DE MACHILE LEARNING EM 6 PASSOS

PASSO 1 – Conhecer o problema: Qual o problema deve ser resolvido? PASSO 2 – OBTER E VISUALIZAR OS DADOS

• Dados
• Estruturas de dados
• Conjunto de testes
• Gráficos
• Padrões e
• correlações PASSO 3 – PREPARAR OS DADOS PARA OD ALGORITMOS Limpar os dados Textos >> dados Customizar transformações Normalizar os dados

https://github.com/hiramaralIA/Logica-de-Programacao-para-IA-com-Python/tree/master1 - Aulas práticas com teorias aplicadas às estruturas estudados

• Estudo de exemplos feitos
• Implementação de estruturas Aplicação da estratégia de projetos à proposta de projeto apresentada pelo aluno.

Aula 12

Pandas 3 horas Importação, manipulação e visualização de dados usando as principais bibliotecas,

Pandas, Exercícios com Pandas

https://github.com/hiramaralIA/Logica-de-Programacao-para-IA-com-Python/tree/master1 - Aulas práticas com teorias aplicadas às estruturas estudados

• Estudo de exemplos feitos
• Implementação de estruturas com Pandas Realizar exercício propondo a construção de um programa com a lib Pandas

Aula 13

Pandas 3 horas CONTINUAÇÃO DA AULA ANTERIOR

https://github.com/hiramaralIA/Logica-de-Programacao-para-IA-com-Python/tree/master1 - Aulas práticas com teorias aplicadas às estruturas estudados

• Implementação de estruturas com Pandas Realizar exercício propondo a construção de um programa com a lib Pandas

Aula 14

Numpy Importação, manipulação e visualização de dados usando as principais bibliotecas,

Numpy,

https://github.com/hiramaralIA/Logica-de-Programacao-para-IA-com-Python/tree/master1 - Aulas práticas com teorias aplicadas às estruturas estudados

• Estudo de exemplos feitos
• Implementação de estruturas com Numpy Realizar exercício propondo a construção de um programa com a lib Numpy

Aula 15

Numpy CONTINUAÇÃO DA AULA ANTERIOR ,

https://github.com/hiramaralIA/Logica-de-Programacao-para-IA-com-Python/tree/master1 - Aulas práticas com teorias aplicadas às estruturas estudados

• Estudo de exemplos feitos
• Implementação de estruturas com Numpy Realizar exercício propondo a construção de um programa com a lib Numpy

Aula 16

Matplotlib Exercícios com Nampy

Importação, manipulação e visualização de dados usando as principais bibliotecas, Matplotlib;

https://github.com/hiramaralIA/Logica-de-Programacao-para-IA-com-Python/tree/master1 - Aulas práticas com teorias aplicadas às estruturas estudados

• Estudo de exemplos feitos
• Implementação de estruturas com Matplotlib Realizar exercício propondo a construção de um programa com a lib Matplotlib UNIDADE 3: APRENDIZAGEM DE MÁQUINA

Aula 17

Machine Learning: Introdução à Redes Neurais Visão geral de redes neurais artificiais;

Principais algoritmos de redes neurais artificiais; 4. Scikit Learn; 5. KNN; 6. Centróides mais próximos; 7. K-means; 8. Redes Neurais;

https://github.com/hiramaralIA/Logica-de-Programacao-para-IA-com-Python/tree/master1 - Aulas práticas com teorias aplicadas às estruturas estudados

• Estudo de exemplos feitos Realizar exercício propondo a construção de um programa com o assunto estudado.

Aula 18

Miniprojeto PASSO 4 – TREINAR O MODELO

	1ª Etapa – CLASSIFICAÇÃO, REGRESSÃO, REDE SUPERVIONADA
	2ª Etapa – TÉCNICAS: ÁRVORE DE DECISÃO, REGRESSÃO LOGÍSTICA, REDES NEURAIS,  
	3ª Etapa – MÉTRICAS PARA AJUSTAR MODELO
	4ª Etapa – TABELA ACURÁCIA DO MODELO

PASSO 5 – REFINAR O MODELO Ajustes dos algoritmos Análise do melhor modelo Análise do viés do modelo PASSO 6 – APRESENTAR O MODELO

https://github.com/hiramaralIA/Logica-de-Programacao-para-IA-com-Python/tree/master1 - Aulas práticas com teorias aplicadas às estruturas estudados

• Estudo de exemplos feitos Realizar exercício propondo a construção de um programa com o assunto estudado.

Aula 19

Agendamento para dúvidas e impedimentos Agendamento para dúvidas sobre o projeto 1- Quadro branco

2-Pinceis 3-Computadores 4-Acesso à Internet 5-Datashow https://calendar.google.com/calendar/u/0/r/week/2022/3/28?cid=classroom105847634874972416804%40group.calendar.google.com&pli=1 Tirar as dúvidas dos alunos referentes aos projetos desenvolvidos Realizar avaliação de material desenvolvido no módulo.

Aula 20

Apresentações dos miniprojetos APRESENTAÇÃO DOS MINIPROJETOS