Exploração das principais técnicas de visão computacional e suas aplicações na análise de infraestrutura viária, urbana e aeroportuária. Fundamentos do processamento de imagens, recuperação de informações visuais e busca em vídeos. Desenvolvimento de projetos práticos de detecção de objetos utilizando OpenCV e algoritmos como R-CNNs e YOLO, aplicados à inspeção e monitoramento automatizado de rodovias, ferrovias, portos e aeroportos.

A natureza espacial dos dados em transportes. Conceitos introdutórios de geotecnologias aplicadas. Ferramentas e softwares SIG. Tecnologias emergentes e aplicações de IA. Introdução ao QGis. Introdução à análise de dados espaciais, como o uso de mapas temáticos para estudo de zonas de alto risco de sinistros em rodovias e planejamento de infraestrutura viária.

Introdução ao conceito de Building Information Modeling (BIM) e seu uso na infraestrutura rodoviária. Integração de IA e programação visual para Design Generativoem projetos viários. Ferramentas práticas: Civil 3D, Dynamo e uso de dados simulados para planejamento eficiente.

Introdução aos Sistemas Inteligentes de Transporte (ITS): conceitos e aplicações. Uso da Internet das Coisas (IoT) para monitoramento em tempo real de rodovias e tráfego. Análise de dados provenientes de sensores, veículos conectados e infraestrutura rodoviária inteligente. Estudos de caso sobre integração de ITS com IA para gestão de tráfego, controle semafórico e segurança viária.

Estudo dos princípios da gestão ágil de projetos, com foco em frameworks como Kanban e scrum. Aplicação de ferramentas como Trello para planejamento e acompanhamento de projetos. Exploração da integração entre inteligência artificial e gestão de projetos, incluindo automação de processos e análise preditiva de riscos.

Introdução às séries temporais e sua importância na engenharia de transportes. Conceitos fundamentais de Redes Neurais Recorrentes (RNN), Long Short-Term Memory (LSTM) e Transformers. Aplicação de métodos estatísticos (ARIMA) para análise de padrões e sazonalidades no transporte. Desenvolvimento de projetos aplicados para suporte à tomada de decisão em infraestrutura viária.

Fundamentos de aprendizado supervisionado e não supervisionado aplicados ao transporte. Modelagem preditiva para análise de tráfego rodoviário, sinistros e otimização de fluxos urbanos, aeroportuários e portuários. Aplicação de algoritmos como regressão, árvores de decisão, redes neurais e clustering.

Técnicas de manipulação de dados para infraestrutura viária e mobilidade urbana. Desenvolvimento de dashboards interativos no Power BI e integração com Python para análise avançada. Aplicação prática em estudos de tráfego, sinistros e demanda de transporte. Técnicas de visualização para tomada de decisão estratégica no planejamento rodoviário.

Princípios de estatística descritiva e inferencial aplicados à mobilidade urbana, engenharia rodoviária e segurança viária. Métodos para análise de tendências, regressão,correlação e testes de hipóteses. Uso de Python para análise estatística e visualização de dados em transportes urbanos, rodoviários, metroviários e aéreos.

Estudo dos conceitos básicos de lógica de programação, abrangendo variáveis, estruturas condicionais e laços. Introdução ao Python, com foco em bibliotecas essenciais para engenharia, como NumPy e Pandas. Aplicações em automação de tarefas rotineiras e análise preliminar de dados relacionados à Infraestrutura de Transportes, como monitoramento de rodovias, análise de fluxo viário e planejamento de corredores de transporte urbano.

Exploração do impacto da IA na infraestrutura e mobilidade, com foco na criação de prompts, uso de chatbots e agentes inteligentes. Introdução a conceitos de ética na IA, privacidade e segurança de dados. Aplicação prática de ferramentas como ChatGPT e assistentes de IA para automação e suporte à tomada de decisão em rodovias, portos, aeroportos e gestão da segurança viária.

Introdução aos conceitos de Inteligência Artificial (IA): definições, história e evolução. Princípios básicos de Processamento de dados operacionais e geoespaciais de aprendizado de máquina, visão computacional e processamento de linguagem natural. Casos de uso e aplicações na engenharia de transportes, incluindo sistemas inteligentes de trânsito, monitoramento de tráfego rodoviário, previsão de demanda em aeroportos e segurança viária por meio de sensores e análise preditiva de sinistros.