Disciplinas do Curso

Fundamentos de Inteligência Artificial e Machine Learning para Profissionais Regulatórios

Diferenças Conceituais: IA vs. Machine Learning vs. Deep Learning. /Tipos de Aprendizado de Máquina: Supervisionado: Regressão (predição de tempo de aprovação) e Classificação (classificação de risco de produto, identificação de não conformidade). Algoritmos chave (conceito): Regressão Linear/Logística, Árvores de Decisão, SVM, Random Forest. Não Supervisionado: Clusterização (agrupamento de eventos adversos, segmentação de perfis regulatórios) e Redução de Dimensionalidade (visualização de dados complexos). Algoritmos chave (conceito): K-Means, PCA. Aprendizado por Reforço: Conceito e potenciais aplicações (otimização de estratégias de submissão). / Redes Neurais Artificiais e Deep Learning: Conceito básico, tipos principais (MLP, CNN, RNN – visão geral) e onde se aplicam (análise de imagens, texto complexo). / Como as Máquinas "Aprendem": Dados de Treinamento, Validação e Teste; Overfitting e Underfitting. / Métricas de Avaliação de Modelos de ML: Acurácia, Precisão, Recall, F1-Score, Curva ROC/AUC – Interpretação no contexto regulatório.