Seu Estado
Não Inscrito
Preço
Assinantes

O que você aprenderá

  • Utilizar os modelos pré-treinados do TensorFlow para resolver problemas da área de Visão Computacional e Processamento de Linguagem Natural
  • Classificar espécies de flores em imagens
  • Detectar mais de 80 objetos diferentes em imagens
  • Transferir o estilo de uma imagem para outra
  • Construir uma GAN para completar as partes faltantes de imagens
  • Reconhecer ações em vídeos
  • Classificar a polaridade de textos (positivo ou negativo)
  • Utilizar cálculos de similaridade para retornar documentos parecidos
  • Classificar mais de 500 eventos de áudio

Requisitos

  • Lógica de programação
  • Programação básica em Python
  • Conhecimentos sobre deep learning e a biblioteca TensorFlow são desejáveis, apesar de que é possível acompanhar o curso em conhecimentos avançados dessas áreas

Descrição

A área de Deep Learning (Aprendizagem Profunda) está relacionada a aplicação das redes neurais artificiais na resolução de problemas complexos e que requerem artifícios computacionais avançados. Existem diversas aplicações práticas que já foram construídas utilizando essas técnicas, tais como: carros autônomos, descoberta de novos medicamentos, cura e diagnóstico antecipado de doenças, geração automática de notícias, reconhecimento facial, recomendação de produtos, previsão dos valores de ações na bolsa de valores e até mesmo a geração automática de roteiros de filmes! Nesses exemplos, a técnica base utilizada são as redes neurais artificiais, que procuram “imitar” como o cérebro humano funciona e são consideradas hoje em dia como as mais avançadas no cenário de Machine Learning (Aprendizagem de Máquina).

Uma das bibliotecas mais utilizadas para o desenvolvimento deste tipo de aplicação é o TensorFlow criado pelo Google, que apresenta suporte para diversas arquiteturas avançadas de redes neurais artificiais. Existe também o TensorFlow Hub, que é um repositório com redes neurais pré-treinadas específicas para a resolução de diversos problemas, principalmente na área de Visão Computacional e Processamento de Linguagem Natural. Dessa forma, não é necessário treinar uma rede neural do zero! O próprio Google disponibiliza centenas de modelos prontos, ou seja, basta carregá-los e utilizá-los nos seus próprios projetos. Outra grande vantagem é que são necessárias poucas linhas de código para obter os resultados!

Para levar você até essa área, neste curso você terá uma visão prática sobre alguns dos principais modelos do TensorFlow Hub que podem ser aplicados para o desenvolvimento de projetos de Deep Learning! Ao final você terá todas as ferramentas necessárias para utilizar o TensorFlow Hub na construção de soluções complexas e que podem ser aplicadas em problema do dia-a-dias das empresas. Veja abaixo os projetos que você implementará:

  • Classificação de cinco espécies de flores analisando imagens
  • Detecção de mais de 80 objetos diferentes
  • Criação de novas imagens utilizando transferência de estilo
  • Utilização de GAN (rede adversarial generativa) para completar partes faltantes de imagens
  • Reconhecimento de ações em vídeos
  • Classificação da polaridade de textos (positivo e negativo)
  • Uso de uma base de dados de perguntas e respostas e cálculos de similaridade para encontrar documentos parecidos
  • Classificação de áudio

Todas as implementações serão feitas passo a passo utilizando o Google Colab on-line, ou seja, você não precisa se preocupar com a instalação e configuração das ferramentas na sua própria máquina! São mais de 50 aulas e mais de 5 horas de vídeos!

Para quem é este curso

  • Pessoas interessadas em aumentar seus conhecimentos em Deep Learning
  • Alunos de graduação e pós-graduação que estão cursando disciplinas relacionadas à Inteligência Artificial
  • Cientistas de Dados que querem aumentar seu portfólio de projetos
  • Pessoas interessadas em criar aplicações comerciais de forma fácil e rápida utilizando os modelos pré-treinados do TensorFlow Hub

Conteúdo do Curso

Expandir
Conteúdo da Lição
0% Completo 0/2 Passos
Conteúdo da Lição
0% Completo 0/1 Passos