Curso Inteligência Artificial

R$ 1.799,00 Política de Desconto: 20%off: aluna(o) DPBR ou 15% off graduanda(o) ou 10% off: pagamento à vista
Forma de pagamento: Boleto (à vista) | Cartão de crédito (em até 12x com juros a partir da 2ª parcela)

Objetivos

Capacitar alunas e alunos a manejarem conceitos ligados à inteligência artificial, englobando tanto conceitos técnicos quanto seus impactos sociais. Ao final do curso, espera-se que a(o) aluna(o) tenha competências para elaboração e/ ou supervisão de sistemas de inteligência artificial, estando capacitados para lidar com desafios éticos e regulatórios, bem como participar da concepção de sistemas, reconhecendo quando esses sistemas terão impactos ético-jurídicos significativos.


Público Alvo

O Curso se destina a profissionais de ciência de dados, programadores, engenheiras(os) de sistemas, bem como advogada(os) e profissionais do sistema de justiça, membros de organizações da sociedade civil, gestores públicos e estudantes, pesquisadores e professores das áreas de ciências sociais e programação que desejem aprofundar seus conhecimentos técnicos e regulatórios sobre aplicações de inteligência artificial.


Metodologia

1 MÉTODO

As aulas expositivas contarão com linguagem acessível, sem “juridiquês” ou “tecniquês”. O curso contará com a intersecção entre uma abordagem acadêmica, para trabalhar e problematizar conceitos, e uma abordagem prática, analisando situações concretas e aplicando os conceitos previamente desenvolvidos.

Ao longo da exposição, os alunos serão chamados para interagir com a(o) professora(o), além dos momentos dedicados à responder dúvidas e questionamentos. Cada aula terá um caso concreto que será usado como guia para as discussões.

Ainda, o curso contará com a utilização de ferramentas de ensino global de participação ativa da(o) aluna(o), por meio problem-based learning, fornecendo fundamentos teóricos e práticos sobre aplicações de inteligência artificial.

Na última aula, alunas e alunos serão divididos em grupos para analisar eixos temáticos de 05 (cinco) estratégias nacionais de inteligência artificial. Cada grupo apresentará os seus respectivos pontos fortes e fracos, fazendo as vezes do gestor público encarregado pela estratégia brasileira Cada apresentação será intercalada por problematização teórica-prática apresentada pelos professores com o objetivo colar as diretrizes amplas e gerais de tais planos a casos concretos.

Ao final do curso, os alunos terão condições de identificar problemas decorrentes da utilização aplicações de inteligência artificial e pensar em soluções para projetos, desde a sua concepção, a partir das melhores práticas

2 PLATAFORMA

O curso será oferecido em modelo online, utilizando a plataforma Zoom para as aulas, enquanto o EADBox será utilizado para organização do material e emissão de certificados.

Cronograma

Introdução Técnica

  1. Introdução a conceitos técnicos. 1.1. O que é “inteligência artificial”. 1.2. Aprendizado Supervisionado. Aprendizado por reforço. 1.3. Aprendizado não-supervisionado. 1.4. Shallow Learning (Regressão e Árvore de Decisão) vs Deep Learning (Redes Neurais). 1.5. Aplicações de IA. 1.6. Caso Guia: Alocação de serviço de saúde.

Introdução sócio-jurídica: entendendo a governança de IA

  1. Introdução à governança e regulação de IA. 1.1. O que nos ensina a regulação das “velhas” tecnologias? 1.2. Princípio da precaução. 1.2. Regulação geral vs Setorial. 1.3. Regulação de risco e
    baseada em direitos.
  2. Leis de proteção de dados são um portal de entrada para a
    governança de IA?

Principais desafios na interseção entre IA e Direito: perspectiva técnica

  1. Tipos de métricas em Inteligência Artificial (Acurácia, Precisão
    e Revocação.
  2. Desafios técnicos de explicação e interpretação dos modelos.
  3. Conceituação e aprofundamento técnico da abordagem de
    discriminação e Fairness em IA (conjunto de dados e design do
    modelo).

Direito à explicação, revisão e outros direitos de contenção ao profiling

  1. O que é profiling? 1.1. Perfilhamento individual e de grupos
    para automatização de decisões.
  2. Direito de contenção ao profiling. 2.1. Direito à explicação.
    2.2. Direito à revisão.
  3. Aprofundamento dos conceitos sócio-jurídicos de discriminação em sistemas de IA.
  4. Caso Guia: Análise automatizada de currículo.

Responsabilidade em Inteligência Artificial: Justiça,  Transparência, Viés e Explicabilidade

1. Exemplos de preconceito digital e de violação de privacidade 1.2 Responsabilidade em IA

2. Vieses em IA 2.1 Etapas em que vieses podem ser introduzidos 2.2 Mitigando vieses. 2.3. Atividade prática – Repensando as métricas de avaliação de modelos para mitigar vieses.

3. Explicabilidade 3.1 O problema da black box 3.2 Cenários e exemplos

Responsabilidade por danos causados por IA

  1. Teorias da responsabilidade. 1.1. Responsabilidade Subjetiva.
    1.2. Responsabilidade Objetiva.
  2. Teoria dos danos.
  3. Nexo de causalidade.
  4. Atividade final: Estruturando um modelo de responsabilidade civil para Inteligência Artificial.

Professores

Inscreva-se!
Cadastre-se e receba em seu email a nossa newsletter