Pular para o conteúdo principal
InícioPythonIntrodução ao TensorFlow em Python

Introdução ao TensorFlow em Python

"Aprenda os fundamentos das redes neurais e como criar modelos de deep learning com TensorFlow."

Comece O Curso Gratuitamente
4 horas15 vídeos51 exercícios
49.967 aprendizesTrophyDeclaração de Realização

Crie sua conta gratuita

GoogleLinkedInFacebook

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.
GroupTreinar 2 ou mais pessoas?Experimente o DataCamp For Business

Amado por alunos de milhares de empresas


Descrição do Curso

Obtenha uma introdução ao TensorFlow

Há pouco tempo, os algoritmos de visão computacional mais avançados não conseguiam diferenciar imagens de cães e gatos. Hoje, um cientista de dados habilidoso, equipado com nada mais do que um laptop, pode classificar dezenas de milhares de objetos com maior precisão do que o olho humano.

Neste curso, você usará o TensorFlow 2.6 para desenvolver, treinar e fazer previsões com os modelos que impulsionaram grandes avanços em sistemas de recomendação, classificação de imagens e FinTech.

Use modelos lineares para fazer previsões

Você descobrirá como usar o TensorFlow 2.6 para fazer previsões usando modelos de regressão linear e testará seu conhecimento prevendo os preços das casas em King County. Esta seção do curso inclui uma visão das funções de perda e como você pode reduzir o uso de recursos treinando o modelo linear em lotes.

Treine sua rede neural

Na segunda metade do curso, você usará as mesmas ferramentas para fazer previsões usando redes neurais. Você praticará o treinamento de uma rede no TensorFlow adicionando variáveis treináveis e usando seu modelo e recursos de teste para prever valores-alvo.

Combine o TensorFlow com o Keras API

Adicione o poderoso API do Keras ao seu repertório e aprenda a combiná-lo com o TensorFlow 2.6 para fazer previsões e avaliar modelos. Ao final deste curso, você entenderá como usar o Estimators API para simplificar a definição do modelo e evitar erros.
Para Empresas

GroupTreinar 2 ou mais pessoas?

Obtenha acesso à biblioteca completa do DataCamp, com relatórios, atribuições, projetos e muito mais centralizados
Experimente O DataCamp for BusinessPara uma solução sob medida , agende uma demonstração.
  1. 1

    Introdução ao TensorFlow

    Gratuito

    Antes de criar modelos avançados no TensorFlow 2, você precisa primeiro entender os conceitos básicos. Neste capítulo, você aprenderá a definir constantes e variáveis, realizar adição e multiplicação de tensores e calcular derivadas. Conhecimento de álgebra linear será útil, mas não necessário.

    Reproduzir Capítulo Agora
    Constantes e variáveis
    50 xp
    Definição de dados como constantes
    100 xp
    Definição de variáveis
    100 xp
    Operações básicas
    50 xp
    Realização de multiplicação por elementos
    100 xp
    Fazer previsões com a multiplicação de matrizes
    100 xp
    Somando as dimensões do tensor
    50 xp
    Operações avançadas
    50 xp
    Reformulação de tensores
    100 xp
    Otimização com gradientes
    100 xp
    Trabalho com dados de imagem
    100 xp
  2. 2

    Modelos lineares

    Neste capítulo, você aprenderá a criar, resolver e fazer previsões com modelos no TensorFlow 2. Você se concentrará em uma classe simples de modelos - o modelo de regressão linear - e tentará prever os preços das moradias. Ao final do capítulo, você saberá como carregar e manipular dados, construir funções de perda, realizar minimização, fazer previsões e reduzir o uso de recursos com treinamento em lote.

    Reproduzir Capítulo Agora
  3. 3

    Redes neurais

    Os capítulos anteriores ensinaram a você como criar modelos no TensorFlow 2. Neste capítulo, você aplicará essas mesmas ferramentas para criar, treinar e fazer previsões com redes neurais. Você aprenderá a definir camadas densas, aplicar funções de ativação, selecionar um otimizador e aplicar regularização para reduzir o excesso de ajuste. Você aproveitará a flexibilidade do TensorFlow usando álgebra linear de baixo nível e operações de alto nível do Keras API para definir e treinar modelos.

    Reproduzir Capítulo Agora
  4. 4

    Alto nível APIs

    No capítulo final, você usará APIs de alto nível no TensorFlow 2 para treinar um classificador de letras da língua de sinais. Você usará o Keras APIsequencial e funcional para treinar, validar, fazer previsões e avaliar modelos. Você também aprenderá a usar o Estimators API para simplificar o processo de definição e treinamento de modelos e evitar erros.

    Reproduzir Capítulo Agora
Para Empresas

GroupTreinar 2 ou mais pessoas?

Obtenha acesso à biblioteca completa do DataCamp, com relatórios, atribuições, projetos e muito mais centralizados

conjuntos de dados

King County House SalesUCI Credit Card DefaultSign Language MNIST

colaboradores

Collaborator's avatar
Mona Khalil
Collaborator's avatar
Sara Billen
Collaborator's avatar
Alex Yarosh
Isaiah Hull HeadshotIsaiah Hull

Economist

Ver Mais

O que os outros alunos têm a dizer?

Junte-se a mais de 14 milhões de alunos e comece Introdução ao TensorFlow em Python hoje mesmo!

Crie sua conta gratuita

GoogleLinkedInFacebook

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.