MBA em Inteligência Artificial para Líderes de Negócios

Sobre o Curso

MBA em Inteligência Artificial para Líderes de Negócios

Módulo 1: Estratégias empresariais com Big Data e Inteligência Artificial (72 horas)

Objetivos

• Compreender o papel estratégico de Big Data e IA nos negócios.
• Conhecer ferramentas e infraestrutura para gestão e análise de dados.
• Identificar oportunidades de uso de IA para ganho competitivo.

Conteúdo

• Introdução ao curso e objetivos gerais
• Introdução à IA para empresas: impacto estratégico e modelos de negócios baseados em dados
• Visão geral do Big Data no contexto corporativo
• Ferramentas e infraestrutura de gerenciamento de dados (cloud, data lakes, pipelines)
• Análise de Big Data: extraindo inteligência e insights
• Ética e privacidade no uso de dados e IA
• Introdução à Inteligência Artificial: conceitos e aplicações reais
• Visão geral do aprendizado de máquina
• Uma visão detalhada do aprendizado de máquina
• Aprendizado por reforço: princípios e aplicações
• Laboratório prático: Manipulação de dados com Pandas (opcional)
• Estruturação de dados para análise
• Principais operações: filtro, agregação, limpeza
• Impacto de dados de baixa qualidade na IA

Referência obrigatória

MARR, Bernard. Big Data: Using smart big data, analytics and metrics to make better decisions and improve performance. Wiley, 2015. Linguagem acessível, excelente para entender o papel do Big Data nos negócios.

Módulo 2: Criando e avaliando soluções de aprendizado de máquina (72 horas)

Objetivos

• Entender o ciclo de desenvolvimento de projetos de ML.
• Avaliar desempenho técnico e impacto no negócio.
• Lidar com desafios comuns como o overfitting e a viabilidade econômica.

Conteúdo

• Métodos específicos de aprendizado de máquina: um mergulho profundo
• Introdução à seleção de modelos: critérios técnicos e de negócios
• Engenharia de atributos e dados: como preparar dados que geram valor
• Introdução à aprendizagem profunda
• Como funciona o deep learning
• Avaliação do desempenho do ML: métricas e impacto nos resultados empresariais
• Funções de perda e compensações
• Como os dados de treinamento são adquiridos? Desafios práticos
• O problema do ajuste excessivo (overfitting) e estratégias de mitigação
• Dados de teste e validação
• Exemplos de fluxos de trabalho de ponta a ponta (estudos de caso reais)
• Viabilidade econômica e ROI de projetos de ML
• Laboratório prático: Construindo um modelo simples em PyTorch (opcional)
• Entendendo o ciclo de treino
• Visualização de loss e métricas
• Discussão: como o modelo impacta o negócio?

Referência obrigatória

BURK, Lindsay; BURK, Kenneally. Machine Learning for Business: An Introduction to Real-World Data Analysis. O'Reilly Media, 2020. Aborda conceitos técnicos com foco em aplicação prática e visão de negócios.

Módulo 3: Aplicações práticas de IA e métodos emergentes (72 horas)

Objetivos

• Conhecer métodos avançados e emergentes de IA.
• Entender como aplicá-los nos fluxos reais das empresas.
• Avaliar riscos e benefícios dessas tecnologias.

Conteúdo

• Processamento de linguagem natural (NLP) aplicado a negócios
• GANs (Generative Adversarial Networks) e VAEs (Variational Autoencoders)
• Introdução ao AutoML e aplicações práticas
• Usando o AutoML para acelerar o desenvolvimento
• Máquina ensinável: conceitos e exemplos
• Playground do TensorFlow: explorando modelos de forma prática
• Operações de ML (MLOps): deploy, monitoramento e governança
• Dados ou modelo: o dilema do “frango e ovo” na prática empresarial
• Integração de IA ao fluxo de trabalho e processos de negócio
• Playground: comparando TensorFlow e PyTorch em exemplos simples

Referência obrigatória

DOMINGOS, Pedro. O algoritmo mestre: Como a busca por um algoritmo de aprendizado de máquina pode reinventar nossos negócios, nossa vida e o mundo. Novatec, 2019. Uma leitura envolvente que explica o impacto das técnicas modernas de IA.

Módulo 4: Lições práticas de líderes em IA (72 horas)

Objetivos

• Refletir sobre a experiência de empresas reais na adoção de IA.
• Identificar fatores de sucesso e falhas em projetos de IA em diferentes setores.

Conteúdo

• Entrevistas e painéis com líderes de:
• Indústria
• Mercado financeiro
• Saúde e bem-estar
• Agrobusiness
• Análise crítica: o que funcionou? O que falhou?
• Elaboração de plano inicial de IA para sua empresa

Referência obrigatória

BRYNJOLFSSON, Erik; MCAFEE, Andrew. A segunda era das máquinas: Trabalho, progresso e prosperidade em uma época de tecnologias brilhantes. Elsevier, 2014. Reflexões estratégicas sobre o impacto da IA em diversos setores.

Módulo 5: IA generativa e o futuro dos negócios (72 horas)

Objetivos

• Explorar como IA generativa impacta produtividade, inovação e modelos de negócio.
• Entender a pilha tecnológica de GenAI e práticas seguras de uso.

Conteúdo

• Visão geral da IA generativa e principais conceitos
• A pilha tecnológica da IA generativa: modelos, APIs, infraestrutura
• Modelos de fundação (foundation models): como funcionam
• Princípios de engenharia de prompt para melhorar resultados
• Personalização da saída do LLM para atender demandas empresariais
• Diferenciação e vantagem competitiva com GenAI
• Introdução ao RAG (Retrieval-Augmented Generation)
• Casos avançados de uso da IA generativa em empresas
• Implicações da GenAI no trabalho e na produtividade
• Riscos, ética e governança na IA generativa

Referência obrigatória

KAPLAN, Jerry; HAENLEIN, Michael; SINGER, Philipp. Artificial Intelligence, ChatGPT, and Generative AI: The coming revolution. Springer, 2023. Aborda fundamentos, implicações e tendências da IA generativa.

Módulo 6: Regulação, Ética e Governança em Ambientes de Inteligência Artificial (72 horas)

Objetivos

• Compreender os desafios regulatórios em ambientes tecnológicos e inovadores. Explorar fundamentos legais da proteção de dados, responsabilidade algorítmica e compliance em IA.
• Analisar casos práticos e tendências regulatórias que impactam negócios baseados em dados e algoritmos.

Conteúdo

• Fundamentos da regulação em ambientes de inovação
  • Conceito de regulação e sua importância em setores disruptivos.
  • Regulação responsiva e princípios de sandbox regulatório.
  • Estado, inovação e a lógica da regulação ex ante e ex post.
  • A relação entre direito, ética e tecnologia
• Privacidade e proteção de dados pessoais
  • Fundamentos da privacidade como direito fundamental.
  • Conceitos-chave da Lei Geral de Proteção de Dados (LGPD).
  • Direitos dos titulares de dados e obrigações dos agentes de tratamento.
  • Papel e competências da Autoridade Nacional de Proteção de Dados (ANPD).
• Panorama global da proteção de dados e transferência internacional
  • GDPR (Europa): pilares e influência global.
  • CCPA/CPRA (EUA): abordagem setorial e foco no consumidor.
  • Marcos regulatórios na América Latina, Ásia e África.
  • Transferência internacional: cláusulas padrão, BCRs e decisões de adequação.
  • Comparativo entre regimes regulatórios
• Regulação de Inteligência Artificial
  • Introdução à IA e impactos nos negócios.
  • Marco Regulatório da IA no Brasil (PL 2338/2023).
  • AI Act da União Europeia: classificação de risco e obrigações.
  • Accountability algorítmica, vieses e explicabilidade.
  • Sandbox regulatório e inovação baseada em confiança.
• Propriedade intelectual e ativos intangíveis
  • PI no contexto digital: software, algoritmos e bancos de dados.
  • Autoria e patentes na era da IA.
  • Cláusulas contratuais de proteção em parcerias tecnológicas.
  • Estratégias de proteção e monetização de intangíveis.
• Compliance jurídico e governança em tecnologia
  • Estruturação de programas de compliance em empresas inovadoras.
  • Gestão de riscos jurídicos e regulatórios.
  • Due diligence regulatória em investimentos.
  • Governança de dados, segurança da informação e controles internos.
  • Responsabilidade dos administradores e do conselho.
• Casos práticos e estudos de caso
  • Casos nacionais e internacionais de infrações regulatórias.
  • Decisões de ANPD, CNPD, CNIL, FTC e outros órgãos.
  • Simulação de crise de compliance e resposta regulatória.
  • Boas práticas e aprendizados em empresas de tecnologia
• Tendências regulatórias e cenários futuros
  • Regulação da Web3, blockchain, metaverso e computação quântica.
  • Soberania digital e disputas geopolíticas de dados.
  • ESG e sua intersecção com tecnologia e regulação.
  • Papel das empresas no diálogo regulatório e advocacy.

Referência obrigatória

CALLEGARI, André. Compliance digital, proteção de dados e regulação da inteligência artificial: desafios jurídicos na era algorítmica. Thomson Reuters – Revista dos Tribunais, 2023. Análise crítica e prática dos marcos regulatórios aplicados à inovação tecnológica.