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.