Curso
Introdução a Deep Learning em Python
IntermediárioNível de habilidade
Atualizado 11/2022Iniciar Curso Gratuitamente
Incluído comPremium or Teams
PythonArtificial Intelligence4 h17 vídeos50 Exercícios3,500 XP260K+Certificado de conclusão
Crie sua conta gratuita
ou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados serão armazenados nos EUA.Preferido por alunos de milhares de empresas
Treinar 2 ou mais pessoas?
Experimentar DataCamp for BusinessDescrição 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
Supervised Learning with scikit-learn1
Basics of deep learning and neural networks
In this chapter, you'll become familiar with the fundamental concepts and terminology used in deep learning, and understand why deep learning techniques are so powerful today. You'll build simple neural networks and generate predictions with them.
2
Optimizing a neural network with backward propagation
Learn how to optimize the predictions generated by your neural networks. You'll use a method called backward propagation, which is one of the most important techniques in deep learning. Understanding how it works will give you a strong foundation to build on in the second half of the course.
3
Building deep learning models with keras
In this chapter, you'll use the Keras library to build deep learning models for both regression and classification. You'll learn about the Specify-Compile-Fit workflow that you can use to make predictions, and by the end of the chapter, you'll have all the tools necessary to build deep neural networks.
4
Fine-tuning keras models
Learn how to optimize your deep learning models in Keras. Start by learning how to validate your models, then understand the concept of model capacity, and finally, experiment with wider and deeper networks.
Introdução a Deep Learning em Python
Curso concluído
Obtenha um certificado de conclusão
Adicione esta credencial ao seu perfil do LinkedIn, currículo ou CVCompartilhe nas redes sociais e em sua avaliação de desempenho
Incluído comPremium or Teams
Inscreva-se AgoraFaça como mais de 19 milhões de alunos e comece Introdução a Deep Learning em Python hoje mesmo!
Crie sua conta gratuita
ou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados serão armazenados nos EUA.