Empresa: CESAR
Estamos em busca de um(a) Docente para a disciplina eletiva de Deep Learning na graduação em Sistemas de Informação . Buscamos um(a) profissional com sólida base teórica e prática em Inteligência Artificial e Aprendizado Profundo, capaz de guiar os alunos desde os fundamentos de redes neurais até arquiteturas modernas de Visão Computacional, Processamento de Linguagem Natural (PLN), Transformers e Modelos de Grande Escala (LLMs / Foundation Models) , com ênfase em implementação prática e resolução de problemas reais. Responsabilidades e Atribuições: • Ministrar a disciplina eletiva de Deep Learning , cumprindo a ementa e os objetivos pedagógicos do plano de ensino. • Conduzir aulas práticas e laboratoriais utilizando metodologias ativas, resolução de problemas e implementação de código (hands-on) . • Orientar os estudantes na concepção, treinamento, ajuste fino ( fine-tuning ), avaliação e otimização de modelos de redes neurais profundas. • Discutir boas práticas de engenharia de IA, mitigação de overfitting, estratégias de regularização e aspectos éticos no uso de modelos de grande escala. • Acompanhar o progresso técnico dos estudantes por meio de projetos práticos e avaliações continuadas. • Participar de alinhamentos pedagógicos e eventos do corpo docente da CESAR School. Requisitos: • Formação Acadêmica: • Graduação concluída em áreas técnicas correlatas: Ciência da Computação, Sistemas de Informação, Engenharia da Computação, Engenharia de Software, Ciência de Dados, Estatística, Matemática Computacional, Física ou áreas afins. • Titulação em nível de Mestrado e/ou Doutorado concluído (ou em fase final) nas áreas acima citadas ou correlatas à Inteligência Artificial/Computação Aplicada. • Conteúdo Programático / Ementa da Disciplina • Introdução à Deep Learning: Panorama, evolução e aplicações contemporâneas. • Conceitos Básicos de Redes Neurais: Perceptron, funções de ativação, algoritmos de otimização, regularização e mitigação de overfitting. • Introdução à Visão Computacional: Processamento básico de imagens e tarefas fundamentais. • Redes Neurais Convolucionais (CNNs): Arquiteturas clássicas e modernas (LeNet-5, AlexNet, VGG, ResNet). • Introdução ao Processamento de Linguagem Natural (PLN): Pré-processamento textual e representação vetorial (Word Embeddings). • Redes Neurais Recorrentes: RNNs, LSTMs e mecanismos de atenção. • Arquitetura Transformers: Mecanismo de autoatenção e encoders/decoders. • Modelos de Grande Escala: Arquiteturas generativas, foundation models e aplicações de ponta. Sobre a empresa: Docente de Graduação - Deep Learning