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, autoencoders e redes adversariais generativas
- Avalie e configure os parâmetros de uma rede neural com o TensorFlow
- Desenvolva redes neurais robustas utilizando o TensorFlow
- Construa passo a passo redes neurais aplicadas em problemas de classificação e regressão
- Implemente redes neurais convolucionais para classificar imagens
- Aplique redes neurais recorrentes em séries temporais
- Reduza a dimensionalidade de bases de dados utilizando autoencoders
- Crie novas imagens automaticamente 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
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). E a maioria dessas aplicações foram desenvolvidas utilizando a biblioteca TensorFlow do Google, que hoje em dia é a ferramenta mais popular e utilizada nesse cenário. Por isso, é de suma importância que profissionais ligados à área de Inteligência Artificial e Machine Learning saibam como trabalhar com essa biblioteca, já que várias grandes empresas a utilizam em seus sistemas, tais como: Airbnd, Airbus, eBay, Dropbox, Intel, IBM, Uber, Twitter, Snapchat e também o próprio Google!
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 TensorFlow e o Python! 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: introdução prática ao TensorFlow, regressão e classificação, redes neurais artificiais, redes neurais convolucionais, redes neurais recorrentes, autoencoders 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. Abordaremos dois tipos de programação com o TensorFlow: utilizando a Low Level e a High Level API. Na primeira faremos a codificação manualmente e definiremos as fórmulas matemáticas, enquanto que na segunda usaremos classes prontas para a implementação!
Veja abaixo alguns dos projetos que serão desenvolvidos:
- Previsão do preço de casas baseado nas características da casa
- Classificação de tipos de plantas
- Classificação da faixa salarial de pessoas
- Classificação de dígitos escritos a mão (visão computacional)
- Construção de série temporal para previsão de preços de ações
- Redução de dimensionalidade em imagens
- 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.
Importante: as aulas foram gravadas utilizando o TensorFlow 1.x, porém, o código fonte está totalmente atualizado para a versão 2.x do TensorFlow!
Este curso é indicado para todos os níveis, ou seja, caso seja seu primeiro contato com Deep Learning e o TensorFlow, 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 conhecer o funcionamento do TensorFlow do Google
- Pessoas interessadas em redes neurais artificiais, convolucionais, recorrentes, 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
Olá, Flavia! Realmente este curso foi gravado com a versão 1.x do TensorFlow, mas o código funciona se esta versão for instalada