Redes Neurais e Computação de Borda (Edge Computing)
Lato Sensu
Confira quanto custa mudar de vida com a instituição nota máxima no MEC
Domine as principais tecnologias para impulsionar a sua carreira
Sobre o curso
Aplicações de inteligência artificial em fábricas, veículos, câmeras e dispositivos conectados precisam processar dados com baixa latência e menor dependência da nuvem. A Pós-Graduação em Redes Neurais e Computação de Borda (Edge Computing) da UNIASSELVI prepara você para desenvolver modelos e arquiteturas capazes de operar próximos à fonte dos dados. A formação combina Deep Learning, hardware especializado, IoT, privacidade e sistemas distribuídos.
Durante o curso, você estudará CNNs, RNNs, LSTMs, Transformers, PyTorch, TensorFlow, TinyML, GPUs embarcadas, TPUs, NPUs e FPGAs. Também aprenderá quantização, pruning, compressão, aprendizado federado, Edge e Fog Computing e visão computacional aplicada à indústria e robótica. Essas competências ajudam a otimizar inferência, reduzir tráfego, proteger dados e criar soluções inteligentes para dispositivos com recursos limitados em diferentes contextos operacionais.
Matriz Curricular
- 1- Gestão da Inovação
- 2- Inteligência Artificial e Pensamento Crítico no Mundo do Trabalho
- 3- Sociedade 5.0, Mentalidade Ágil e Resolução de Problemas
- 4- Visão Computacional com IA: Edge, Indústria e Robótica
- 5- Edge, Fog Computing e Arquiteturas Distribuídas para IoT
- 6- Deep Learning: Arquiteturas Neurais e Implementação com PyTorch/TensorFlow
- 7- Hardware para Aceleração de IA na Borda
- 8- TinyML e IA Embarcada
- 9- Aprendizado Federado (Federated Learning)
Mercado de Trabalho
Indústrias, empresas de tecnologia, agronegócio, logística, automotivo, saúde e integradoras investem em Edge AI para reduzir latência e processar dados localmente. Há oportunidades em machine learning, visão computacional, sistemas embarcados, IoT, robótica, TinyML e arquiteturas distribuídas. A especialização favorece profissionais de dados, software, eletrônica ou automação. Experiência com Python, hardware edge, otimização de modelos e cloud amplia a competitividade em projetos avançados e vagas internacionais. Conhecimento de privacidade, eficiência energética e implantação em dispositivos reais também diferencia candidatos em projetos de inovação aplicada.
Por que escolher a
UNIASSELVI?
Resolução CNE/CES nº 1, de 6 de abril de 2018 do MEC, somente alunos que concluíram a Graduação podem ingressar em um curso de Pós-Graduação. Para aqueles que ainda não colaram grau na Graduação, ao final deste programa, será emitido um certificado de aperfeiçoamento.
Flexibilidade total para estudar onde e quando quiser, com trilhas de aprendizagem interativas e apoio de tutor exclusivo.
Equilíbrio entre autonomia e encontros com tutor para aprofundar conteúdos de forma progressiva.
Suporte próximo de tutores experientes para orientar sua jornada acadêmica e profissional.
Aprendizado conectado ao mercado, com materiais que ampliam sua atuação profissional.
Cada disciplina concluída gera um certificado parcial, permitindo aplicação imediata no mercado.
Interação e networking com avaliações digitais e fóruns para troca de experiências.
Confira notas, acesse as trilhas de aprendizagem e estude com materiais didáticos digitais no Leo App.
Perguntas Frequentes
O que faz um profissional de Redes Neurais e Edge Computing?
Esse profissional desenvolve e otimiza modelos de inteligência artificial para execução em dispositivos próximos à fonte dos dados. Ele combina Deep Learning, hardware embarcado, IoT e sistemas distribuídos, buscando baixa latência, privacidade, eficiência energética e funcionamento confiável em ambientes com conectividade limitada.
Como está o mercado de trabalho para profissionais de Edge AI?
O mercado cresce com câmeras inteligentes, automação industrial, veículos, wearables e dispositivos conectados. Indústrias, empresas de tecnologia, agronegócio, logística e saúde procuram profissionais de machine learning, visão computacional, sistemas embarcados, IoT, robótica e otimização de modelos para a borda.
Quanto ganha um Machine Learning Engineer no Brasil?
Segundo o Glassdoor Brasil (2026), Machine Learning Engineers recebem em média cerca de R$ 11,5 mil mensais. Profissionais seniores aparecem próximos de R$ 17 mil, com faixas superiores em projetos de Deep Learning, Edge AI, cloud e sistemas de alta complexidade.
Em quais áreas pode atuar quem tem especialização em Redes Neurais e Edge Computing?
As principais frentes profissionais incluem:
- Machine learning e Deep Learning
- Visão computacional para indústria e robótica
- TinyML e inteligência artificial embarcada
- Edge, Fog Computing e IoT
- Otimização de modelos e aceleração por hardware
- Aprendizado federado e sistemas distribuídos
Qual é a diferença entre Edge, Fog e Cloud Computing?
Edge processa dados diretamente ou muito próximo do dispositivo. Fog adiciona camadas intermediárias distribuídas entre borda e nuvem. Cloud centraliza recursos em data centers. A arquitetura pode combinar as três abordagens conforme latência, conectividade, privacidade, custo e capacidade computacional.
O que é TinyML?
TinyML utiliza modelos de machine learning em microcontroladores e dispositivos com pouca memória, energia e processamento. Para isso, aplica quantização, pruning e compressão. A tecnologia permite sensores inteligentes, manutenção preditiva e reconhecimento local sem conexão permanente com a nuvem.
Aprendizado federado protege a privacidade dos dados?
Ele ajuda porque o treinamento ocorre nos dispositivos e apenas atualizações do modelo são compartilhadas. Contudo, não elimina todos os riscos, pois parâmetros podem vazar informações. Técnicas adicionais, segurança de comunicação e governança são necessárias para uma proteção mais robusta.
É necessário conhecer hardware para trabalhar com Edge AI?
Sim, ao menos em nível suficiente para avaliar memória, energia, latência, aceleradores e interfaces. O profissional não precisa projetar todos os circuitos, mas deve compreender as limitações de GPUs, TPUs, NPUs, FPGAs e microcontroladores para otimizar modelos e aplicações.
Indústrias, empresas de tecnologia, agronegócio, logística, automotivo, saúde e integradoras investem em Edge AI para reduzir latência e processar dados localmente. Há oportunidades em machine learning, visão computacional, sistemas embarcados, IoT, robótica, TinyML e arquiteturas distribuídas. A especialização favorece profissionais de dados, software, eletrônica ou automação. Experiência com Python, hardware edge, otimização de modelos e cloud amplia a competitividade em projetos avançados e vagas internacionais. Conhecimento de privacidade, eficiência energética e implantação em dispositivos reais também diferencia candidatos em projetos de inovação aplicada.
Inscreva-se agora e dê o primeiro passo em direção aos seus sonhos.
Curso em conformidade com a Resolução n° 1 de 06/04/2018, que estabelece normas para o funcionamento de cursos de pós-graduação lato sensu, em nível de especialização.