As Experiências de Aprendizagem são vivências e interações que contribuem para aquisição do conhecimento e desenvolvimento de habilidades por meio de diversos métodos, incluindo prática, observação, instrução, reflexão entre outros. Elas vão além da transmissão de informações, incorporando a vivência e a aplicação prática do conhecimento. E compõem a carga horária dos cursos dos Programas de Pós-graduação Lato Sensu do SENAI CIMATEC.
O estudante pode escolher a Experiência que deseja cursar a partir de um catálogo que é publicado a cada semestre letivo; não necessariamente sincronizado com o início das aulas do seu curso.
Importante! Recomenda-se a leitura do Plano de Ensino Executivo antes selecionar as experiências no Portal do Aluno.
Estudo do Processamento de Linguagem Natural (PLN) e suas aplicações.
Aplicação de técnicas de pré-processamento de textos.
Análise de sentimentos utilizando algoritmos de machine learning.
Estudo e aplicação de Word Embeddings e Word2Vec.
Análise de sentimentos com modelos de linguagem sofisticados, como BERT e similares.
Estudo dos Large Language Models, suas aplicações, técnicas de prompt engineering e Retrieval-Augmented Generation (RAG).
Estudos sobre simulação de processos químicos.
Estudos sobre os diferentes tipos de eletrolisadores (PEM, AWE, SOEC e AEM), com foco na avaliação de custos, maturidade tecnológica e eficiência energética.
Aplicação de simulação, via ferramenta computacional, para avaliação básica de viabilidade econômica da produção de H2V via PEM.
Definição de programação e algoritmos.
Diferenciar lógica de programação de linguagem de programação.
Apresentação da linguagem python. Configuração do ambiente de desenvolvimento.
Aplicação de Variáveis, tipos de dados e operadores.
Manipulação de strings.
Implementação, manipulação, iteração e operações com listas, tuplas e dicionários.
Aplicação de Estruturas condicionais.
Aplicação de Estruturas de repetição.
Aplicação de Funções e modularização de códigos.
Análise de circuitos elétricos aplicados a veículos eletrificados.
Estudo dos componentes eletroeletrônicos, ferramentas e equipamentos empregados em veículos elétricos e em seus sistemas.
Elaboração e apresentação de relatório referente a sistemas autotrônicos de veículos eletrificados.
Estudo dos conceitos básicos de eletroquímica e suas aplicações cotidianas.
Estudos das reações químicas (redox) envolvidas no processo eletroquímico para obtenção de Hidrogênio Verde.
Investigação da evolução científica e tecnológica para obtenção do Hidrogênio Verde a partir da água.
Estudo do funcionamento dos diferentes tipos de eletrolisadores.
Prospecção dos desafios e perspectivas futuras da eletroquímica voltada para a produção de Hidrogênio Verde.
Aplicação de conceitos fundamentais e ferramentas que conduzem o aluno para uma jornada de autoconhecimento, permitindo liberar o potencial humano dos participantes, reduzindo interferências e alinhando o sentido e propósito, promovendo aumento de performance.
Trata de estratégias para desenvolvimento da inteligência emocional, sendo extremamente uteis para os relacionamentos pessoais e profissionais.
Estudo dos principais métodos utilizados para análises de dados, compreensão de fenômenos e tomada de decisão em problemas de reconhecimento de padrões.
Estudo dos fundamentos e algoritmos para modelagem e classificação de dados, seleção e extração de características, juntamente com os métodos apropriados para avaliação de desempenho dos modelos obtidos, utilizando software open source de aprendizado de máquina, o qual dispensa conhecimentos de linguagem de programação.
Aplicação de técnicas de aprendizado de máquina para análise de dados no contexto ESG.
Conhecimento das principais metodologias, organizações e instrumentos orientadores de um Inventário de Gases de Efeito Estufa - GEE.
Estabelecimento de Abrangência e Determinação de Nível e Escopo de um Inventário de GEE.
Reflexão sobre a contribuição, em termos de emissões de GEE, de um determinado processo/empreendimento.
Estudo dos fundamentos básicos de séries temporais (estacionariedade, autocorrelação, sazonalidade e tendência).
Estudo das técnicas de Pré-processamento de Dados Temporais.
Modelagem e implementação dos principais métodos utilizados para análise e previsão de séries temporais (ARIMA, SARIMA). Avaliação de Modelos e Métricas de Desempenho (RMSE, MAE e MAPE).
Análise de Casos práticos com Séries Temporais.
Estudo dos fundamentos básicos de processamento de imagens e visão computacional.
Extração de características em imagens.
Classificação e segmentação de imagens.
Estudo dos fundamentos básicos das Redes Neurais Convolucionais (CNNs).
Estudo dos métodos de detecção de objetos em imagens.
Estudo dos métodos de segmentação de imagens.
Estudo das técnicas de rastreamento de objetos.
Avaliação de desempenho em visão computacional.
Aplicações práticas em visão computacional.