Navegue por essa trilha de aprendizagem e descubra informações pertinentes desde o básico e a fundamentação matemática até conceitos e aplicações mais avançadas de redes neurais artificiais. Encontre também informações sobre oportunidades de trabalho, o que você terá a chance de aprender e os requisitos para realizar todos os cursos listados.
12 Cursos
+ 140 Horas
+ 40 Estudos de caso
- Oportunidade de trabalho
A área de Deep Learning (Aprendizagem Profunda) está relacionada a aplicação das redes neurais artificiais na resolução de problemas complexos, como por exemplo: 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! Essa área 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.
É comum que algumas vagas de emprego para cientistas de dados (Machine Learning) também requeiram o conhecimento de algoritmos mais complexos como Redes Neurais, Processamento de Linguagem Natural e Deep Learning. Nesse caso, o salário inicial pode variar de R$ 12.000,00 a R$ 13.000,00. Expandir o conhecimento sempre te deixará mais preparado para os desafios que o mercado de trabalho pode oferecer. Isso significa que se manter atualizado sobre os temas mais relevantes da área será um diferencial que garantirá uma ótima oportunidade de emprego.
O que você vai aprender
- Básico sobre programação com a linguagem Python
- Teoria completa e implementação passo a passo de redes neurais do zero sem o uso de bibliotecas, com as linguagens Python e R
- Conceitos teóricos e implementação de redes neurais artificiais, redes neurais convolucionais, redes neurais recorrentes, mapas auto organizáveis, boltzmann machines, auto encoders, redes adversariais generativas, transferência de aprendizagem e transferência de estilo; utilizando a biblioteca TensorFlow e PyTorch
- Implementação de redes neurais utilizando os recursos de “baixo-nível” (low-level API) do TensorFlow
- Recursos novos do TensorFlow, como por exemplo: validação de dados com TFDV (TensorFlow Data Validation), pré-processamento com TFT (TensoFlow Transform), TensorFlow Lite para disponibilização de aplicações em dispositivos móveis e treinamento distribuído
- Crie uma IA para negociar na bolsa de valores com TensorFlow e aprendizagem por reforço
- Resolva projetos práticos e reais utilizando o TensorFlow
- Reconheça emoções de imagens e vídeos
- Aprenda a utilizar redes neurais profundas aplicados em processamento de linguagem natural
- Utilize redes neurais convolucionais para classificação de sentimentos em textos
- Crie um tradutor de idiomas utilizando redes neurais profundas
- Utilize a moderna arquitetura BERT do Google aplicados em problemas de processamento de linguagem natural
- Construa passo a passo um chatbot utilizando o TensorFlow e redes neurais recorrentes.
- Objetivos
Esta trilha visa fornecer ao aluno os subsídios necessários para desenvolver redes neurais artificiais simples e redes neurais profundas para resolução de problemas reais do dia a dia, aplicados tanto no âmbito acadêmico como empresarial.
- Requisitos
O único pré-requisito necessário é saber o básico sobre lógica de programação, principalmente estruturas condicionais e de repetição.
Programação em Python: O Guia para Iniciantes
Aprenda o básico da linguagem Python de maneira rápida e fácil! Exemplos implementados passo a passo e com exercícios
Deep Learning com Python de A à Z: O Curso Completo
Redes neurais artificiais, convolucionais, recorrentes, mapas auto organizáveis, boltzmann machines, autoencoders e GANs
Deep Learning de A à Z com PyTorch e Python
Redes neurais artificiais, convolucionais, recorrentes, autoencoders, GANs, transferência de aprendizagem e transferência de estilo. Tudo desenvolvimento passo a passo com o PyTorch
TensorFlow: Machine Learning e Deep Learning com Python
Construa redes neurais artificiais modernas com o Google TensorFlow e especialize-se em Inteligência Artificial! Implemente as seguintes técnicas de Deep Learning: classificação, regressão, redes neurais artificiais, redes neurais convolucionais, redes neurais recorrentes, autoencoders e GANs
TensorFlow 2.0: Um Guia Completo sobre o novo TensorFlow
Crie aplicações incríveis de Aprendizado Profundo (Deep Learning) e Inteligência Artificial com a nova biblioteca do Google
Deep Learning Prático com TensorFlow e Python
Crie passo a passo 16 projetos utilizando modernas técnicas de Machine Learning! Especialize-se em Deep Learning!
Reconhecimento de Emoções com TensorFlow 2.0 e Python
Utilize Visão Computacional, Deep Learning e Redes Neurais Convolucionais para reconhecer emoção em imagens e vídeos. Detecte as emoções da alegria, tristeza, raiva, desgosto, medo e surpresa
Processamento de Linguagem Natural com Deep Learning
Crie um tradutor de idiomas e um classificador de sentimento utilizando a moderna arquitetura Transformer do Google e Redes Convolucionais. Utilize o Google Colab com o TensorFlow 2.0
Processamento de Linguagem Natural com BERT e Python
Aplique o algoritmo revolucionário de PLN e Deep Learning do Google para tarefas do mundo real! Crie um sistema de Q&A (Questions & Answer) e implemente mineração de sentimentos!
TensorFlow, Deep Learning e Python: Construa um Chatbot
Aprenda como implementar modelos de Processamento de Linguagem Natural usando técnicas modernas de Deep Leaning! Construa um chatbot utilizando o TensorFlow e Redes Neurais Recorrentes