Pós-Graduação
Pós-graduação em MultiCloud, DevOps e Inteligência Artificial (IA)
Tecnologia
Carga Horária
360 h
Tempo de conclusão
A partir de 6 meses
Sobre o curso
A Pós-Graduação em Multicloud, Devops e Inteligência Artificial (IA), é um programa abrangente que visa capacitar profissionais de TI a dominarem as mais recentes tecnologias e ferramentas em computação em nuvem, automação e inteligência artificial. Com uma carga horária total de 450 horas, o curso é direcionado a um público amplo, incluindo profissionais de TI, engenheiros, cientistas, pesquisadores, acadêmicos, empreendedores e gestores que desejam se destacar no mercado de trabalho e liderar a transformação digital em suas organizações.
O programa aborda os principais provedores de nuvem, como Amazon Web Services (AWS), Microsoft Azure, Google Cloud Platform e Oracle Cloud Infrastructure, fornecendo uma visão aprofundada dos serviços e recursos de cada plataforma. O curso também explora os fundamentos do DevOps, com foco em automação, integração contínua (CI) e entrega contínua (CD), utilizando ferramentas como Git, GitHub, Terraform, Ansible, Docker e Kubernetes. Além disso, os alunos irão mergulhar no mundo da Inteligência Artificial, aprendendo sobre IA generativa, serviços de IA na nuvem, e explorando a API da OpenAI para desenvolver assistentes virtuais inteligentes.
A metodologia de ensino combina teoria e prática, com videoaulas gravadas, leitura de artigos, slides em PDF e projetos práticos. A avaliação é realizada por meio de quizzes e implementações práticas ao final de cada disciplina. O aluno precisa ser aprovado em todos os módulos e obter a nota mínima de 6,0 em cada quiz para concluir a pós-graduação.
Para ingressar na pós-graduação, você precisa ter, obrigatoriamente, diploma de curso superior em qualquer área do conhecimento.
Coordenador Geral: Me. Leonardo Moraes Armesto
Coordenador Técnico/Científico: Herbert Souza Pereira
1. Disciplina i – amazon web services
Visão geral. Aws identity and access management (iam). Amazon ec2, ebs, s3 e rds. Amazon cloudfront, autoscaling, elastic beanstalk, route 53, cloud watch. Modelos de responsabilidades, aws shield & waf, inspector, trusted advisor, cloud trail, aws systems manager. Pricing & billing. Amazon web services - projeto final.
2. Disciplina 2 – microsoft azure
Visão geral. Iam, azure active directory e serviços de security. Virtual machines, scale sets, app service, container, kubernetes, functions. Networking. Storage. Database. Solutions, cost & support. Microsoft azure - projeto final.
3. Módulo 3 – google cloud platform
Visão geral. Gcp identity and access management (iam). Network. Compute. Storage. Load balancing. Database solutions. Pricing, gcm & management tools. Google cloud platform - projeto final.
4. Módulo 4 – oracle cloud infrastructure
Visão geral. Iam. Networking. Compute. Storage. Databases. Security, sla, support and pricing. Oracle cloud infrastructure - projeto final.
5. Módulo 5 – devops cloud
Fundamentos do devops. Versionamento de código com git & github. Infraestrutura como código com terraform. Gerenciamento de configuração com ansible. Empacotando aplicações com docker. Orquestração de containeres com kubernetes. Automatizando entrega de aplicações com pipeline ci/cd. Monitoramento, logging & observabilidade. Automatizando atividades cloud com python.
6. Módulo 6 – inteligência artificial
Introdução à inteligência artificial e ia generativa. 10x produtividade com ia generativa. Introdução aos serviços de nuvem para ia. Serviços de ia na aws. Serviços de ia na azure. Serviços de ia no google cloud. Explorando rag, api da openai e assistentes openai.
7. Módulo 7 – metodologia científica
Definição de metodologia e pesquisa científica; características de inovação na pesquisa; responsabilidade dos autores por plágio; aspectos básicos relativos ao comportamento do aluno-pesquisador. Definição dos enfoques quantitativo e qualitativo da pesquisa científica; características essenciais de cada enfoque e semelhanças e diferenças entre os mesmos. Apresentação das etapas do processo de pesquisa científica: formulação do problema, desenvolvimento teórico, alcance da pesquisa, formulação de hipóteses, seleção da amostra e coleta de dados. Fundamentos para apresentação de um trabalho acadêmico de qualidade; normatização de trabalhos conforme a ABNT. Importância da divulgação da pesquisa científica; etapas para elaboração e publicação de um trabalho científico; funcionamento do processo de submissão e revisão.
Pós-graduação em MultiCloud, DevOps e Inteligência Artificial (IA)
100% online
Estude onde e quando quiser
TCC opcional*
Livro Digital em PDF
Videoaulas*
Acesso a Biblioteca Virtual
Núcleo de Apoio Intensivo ao Aluno - NAIA
Conclusão mínima de 6 meses
Portaria do Curso no MEC