Seu Estado
Não Matriculado
Preço
Assinantes

O que você aprenderá

  • Aprenda na teoria e na prática como construir redes neurais artificiais para resolver problemas reais do dia
  • Aprenda os conceitos sobre redes neurais convolucionais, redes neurais recorrentes, mapas auto organizáveis, boltzmann machines, auto encoders e redes adversariais generativas
  • Avalie e configure os parâmetros de uma rede neural
  • Construa passo a passo redes neurais aplicadas em problemas de classificação e regressão
  • Construa passo a passo uma rede neural para prever o preço de veículos usados e prever a venda de jogos de vídeo games
  • Implemente redes neurais convolucionais para classificar dígitos escritos a mão e também para identificar gatos e cachorros em imagens
  • Implemente uma rede neural recorrente para prever os preços das ações da Petrobras
  • Implemente mapas auto organizáveis aplicados em agrupamento de dados e detecção de fraudes em bases financeiras
  • Reduza a dimensionalidade de bases de dados utilizando Boltzmann Machines e autoencoders
  • Crie um sistema de recomendação utilizando Boltzmann Machines
  • Crie novas imagens utilizando redes adversariais generativas

Requisitos

  • O único pré-requisito obrigatório é conhecimento sobre lógica de programação, principalmente estruturas condicionais e de repetição
  • Também são necessários conhecimentos sobre instalação de softwares básicos, porém, durante o curso será mostrado o processo de instalação das ferramentas utilizadas durante todo o curso
  • Conhecimentos em Python não são obrigatórios, sendo possível acompanhar o curso sem saber essa linguagem com profundidade
  • Conhecimentos em Machine Learning, Redes Neurais ou Inteligência Artificial não são obrigatórios
  • No final do curso existe um apêndice com várias aulas básicas sobre esses assuntos caso seja seu primeiro contato com a área

Descrição

Importante: o código fonte está atualizado para as últimas versões das bibliotecas, inclusive o TensorFlow 2.0!

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).

A área de Deep Learning é atualmente um dos campos de trabalho mais relevantes da Inteligência Artificial, sendo que o mercado de trabalho dessa área nos Estados Unidos e em vários países da Europa está em grande ascensão; e a previsão é que no Brasil cada vez mais esse tipo de profissional seja requisitado! Inclusive alguns estudos apontam que o conhecimento dessa área será em breve um pré-requisito para os profissionais de Tecnologia da Informação!

E para levar você até essa área, neste curso você terá uma visão teórica e principalmente prática sobre as principais e mais modernas técnicas de Deep Learning utilizando o Python! Este curso é considerado de A à Z pelo fato de apresentar desde os conceitos mais básicos sobre as redes neurais até técnicas mais modernas e avançadas, de modo que ao final você terá todas as ferramentas necessárias para construir soluções complexas e que podem ser aplicadas em problemas do dia-a-dia das empresas! Para isso, o conteúdo está dividido em sete partes: redes neurais artificiaisredes neurais convolucionaisredes neurais recorrentesmapas auto organizáveisboltzmann machinesautoencoders e redes adversariais generativas. Você aprenderá a teoria básica sobre cada um desses assuntos, bem como implementará exemplos práticos passo a passo aplicado em cenários reais. Veja abaixo alguns dos projetos que serão desenvolvidos:

  • Classificação se um câncer é maligno ou benigno baseado nos dados do tumor
  • Classificação de tipos de plantas
  • Previsão do preço de veículos usados baseado nas características do carro
  • Previsão de quanto um jogo de vídeo game venderá
  • Classificação de dígitos escritos a mão
  • Classificação de imagens de gatos e cachorros
  • Classificação das imagens do Homer e Bart, do desenho dos Simpsons
  • Classificação de objetos, como por exemplo: aviões, automóveis, pássaros, gatos, veados, cachorros, sapos, cavalos, barcos e caminhões
  • Construção de série temporal para previsão dos preços das ações da Petrobrás
  • Previsão da poluição na China em determinadas horas do dia
  • Agrupamento de tipos de vinhos baseados nas características do produto
  • Agrupamento de câncer que são malignos ou benignos
  • Detecção de clientes que podem tentar fraude em bases de dados financeiras
  • Redução de dimensionalidade em imagens
  • Desenvolvimento de um sistema de recomendação básico de filmes
  • Comparação de sistemas de recomendação utilizando redes neurais e utilizando técnicas clássicas de filtragem colaborativa
  • Criação automática de imagens

Ao final de cada seção teórica você tem questionários para revisar o conteúdo, bem como indicações de referências complementares caso você queira aprender mais sobre os assuntos. E ao final de cada seção prática, você encontra projetos de programação para fortalecer o conteúdo sobre as implementações, todos com as soluções para você comparar com o seu progresso!

Este curso é indicado para todos os níveis, ou seja, caso seja seu primeiro contato com Deep Learning, você conta com um apêndice que contém aulas básicas sobre aprendizagem de máquina e redes neurais! É também importante enfatizar que o único pré-requisito necessário é saber lógica de programação, pois mesmo se você não seja especialista na linguagem Python você conseguirá acompanhar o curso sem nenhum problema!

Para quem é este curso

  • Pessoas interessadas em iniciar seus estudos em deep learning (aprendizagem profunda)
  • Pessoas interessadas em redes neurais artificiais, convolucionais, recorrentes, mapas auto organizáveis, boltzmann machines, autoencoders e redes adversariais generativas
  • Pessoas interessadas em iniciar uma carreira em Ciência de Dados utilizando técnicas modernas de aprendizagem de máquina
  • Empreendedores que queiram aplicar aprendizagem de máquina em projetos comerciais
  • Analistas de dados que queiram aumentar seu conhecimento na área de deep learning (aprendizagem profunda)
  • Empresários que desejam criar soluções eficientes para problemas reais em suas empresas
  • Alunos de graduação que estão estudando disciplinas ligadas a área de Inteligência Artificial

Conteúdo do Curso

Expandir
Parte 1 - Redes Neurais Artificiais
Parte 2 - Redes neurais convolucionais
Parte 3 - Redes neurais recorrentes
Parte 4 - Mapas auto organizáveis
Parte 5 - Boltzmann Machines
Parte 6 - Autoencoders
Parte 7 - Redes Adversariais Generativas (GANs)
Conteúdo da Lição
0% Completo 0/2 Passos
1 de 2

Avaliações e Comentários

4.8
Avaliação média
265 Avaliações
5
223
4
34
3
8
2
0
1
0
Qual foi a sua experiência com esse curso? Conte para nós!
Comentário extraído do curso na Udemy
Publicado 2 meses atrás
por Anibal Mantovani Diniz

Estou gostando bastante.

×
Preview Image
Gabriel Rissatti Miguel
Publicado 2 meses atrás
Códigos desatualizados

Até o momento estou notando grande diferença deste curso comparando com os demais da IA expert, por mais de uma vez, códigos do drive que deveriam estarem atualizados não executam, alguns consegui corrigir outros não perdendo assim aproveitamento do curso.

×
Preview Image
Comentário extraído do curso na Udemy
Publicado 2 meses atrás
por Gustavo Henrique

Estou gostando, professor explica muito bem

×
Preview Image
Comentário extraído do curso na Udemy
Publicado 2 meses atrás
por Anderson Felipe Jesus de Miranda

Muito bom, com excelente didática. Recomendo.

×
Preview Image
Comentário extraído do curso na Udemy
Publicado 3 meses atrás
por Jose Cavalcante

Conduz as aulas de maneira muito didatica.

×
Preview Image
Comentário extraído do curso na Udemy
Publicado 3 meses atrás
por Aparecida Caetano de Sousa

Percebe-se que será um curso muito interessante. Pois são algumas situações vividas e que não fazemos ideia de como tudo acontece. Ou seja toda a engenharia por trás de cada processo.

×
Preview Image
Comentário extraído do curso na Udemy
Publicado 3 meses atrás
por Reinaldo

Facil entendimento.

×
Preview Image
Dário da Silva Melo
Publicado 3 meses atrás
Excelente didática

Já tinha feito o Curso na Udemy, mas fiz novamente ´para rever os conceitos.

×
Preview Image
Comentário extraído do curso na Udemy
Publicado 4 meses atrás
por Viviane Rodrigues Barroso

O professor tem uma excelente didática.

×
Preview Image
Comentário extraído do curso na Udemy
Publicado 4 meses atrás
por Fernando Baldin Gallardo

Otimo curso. Muito completo, mas está com uma falha técnica na tarefa "Tarefa: Classificar Homer e Bart com rede neural convolucional" que não permite completá-lo.

×
Preview Image
Mostrar mais avaliações
Qual foi a sua experiência com esse curso? Conte para nós!