Depois de fazer esses cursos, sinto-me confiante para criar visualizações e painéis profissionais
Shoebur RahmanEspecialista em compras, Giz Bangladesh
Descrição do curso
Descubra os aplicativos de aprendizagem profunda
A aprendizagem profunda é a técnica de aprendizagem de máquina por trás dos recursos mais interessantes em robótica, processamento de linguagem natural, reconhecimento de imagens e inteligência artificial. Neste curso de 4 horas, você obterá conhecimento prático sobre como aplicar suas habilidades em Python à aprendizagem profunda com a biblioteca Keras 2.0.Explore os modelos Keras com um colaborador da biblioteca
Ministrado pelo ex-cientista de dados do Google e colaborador do Keras, Dan Becker, este curso de aprendizagem profunda explora os modelos de rede neural e como você pode gerar previsões com eles. Nos primeiros capítulos, você entenderá melhor a propagação para frente e para trás e como elas funcionam na prática.A biblioteca Keras é uma biblioteca Python que pode ajudar você a desenvolver e analisar modelos de aprendizagem profunda. Como muitas bibliotecas Python, ela é gratuita, de código aberto e muito fácil de usar. Você começará criando um modelo do Keras e aprenderá a compilá-lo, ajustá-lo e classificá-lo antes de fazer previsões. Depois de concluir este curso, você terá todas as ferramentas necessárias para criar redes neurais profundas e começar a fazer experiências com redes mais amplas e profundas ao longo do tempo.
Aprofunde-se mais na aprendizagem profunda
Este curso faz parte de várias trilhas de aprendizado de máquina e aprendizado profundo, oferecendo a você caminhos claros para desenvolver suas habilidades e experiência nessa área depois de concluir o curso introdutório, quer você queira concluir um projeto pessoal ou seguir uma carreira como cientista de aprendizado de máquina.Pré-requisitos
Programa de estudos
Conteúdo do curso
1
Noções básicas de deep learning e redes neurais
Neste capítulo, você vai conhecer os conceitos e a terminologia fundamentais usados em deep learning e entender por que essas técnicas são tão poderosas hoje. Você vai construir redes neurais simples e gerar previsões com elas.
- Introdução ao deep learning50 XP
- Comparando modelos de redes neurais com modelos clássicos de regressão50 XP
- Propagação direta50 XP
- Codificando o algoritmo de propagação direta100 XP
- Funções de ativação50 XP
- A Função de Ativação Linear Retificada100 XP
- Aplicando a rede a várias observações/linhas de dados100 XP
- Redes mais profundas50 XP
- Propagação direta em uma rede mais profunda50 XP
- Redes neurais com várias camadas100 XP
- Representações são aprendidas50 XP
- Níveis de representação50 XP
2
Otimização de uma rede neural com retropropagação
Aprenda a otimizar as previsões geradas pelas suas redes neurais. Você vai usar um método chamado retropropagação, que é uma das técnicas mais importantes em deep learning. Entender como ela funciona vai te dar uma base sólida para avançar na segunda metade do curso.
3
Construindo modelos de deep learning com Keras
Neste capítulo, você vai usar a biblioteca Keras para construir modelos de deep learning para regressão e classificação. Você vai aprender sobre o fluxo de trabalho Especificar-Compilar-Ajustar (Specify-Compile-Fit) que pode usar para fazer previsões e, ao final do capítulo, terá todas as ferramentas necessárias para construir redes neurais profundas.
4
Aprimorando modelos do Keras
Aprenda a otimizar seus modelos de deep learning no Keras. Comece aprendendo a validar seus modelos, depois entenda o conceito de capacidade do modelo e, por fim, experimente redes mais largas e mais profundas.
Introdução a Deep Learning em Python
Curso
concluído
