Deep Learning de A-Z: Redes Neurais Artificiais na Prática (Udemy.com)

Bem vindo ao mais completo e acessível curso para você se especializar em Machine Learning e Deep Learning com Python!

Inteligência Artificial é uma área em crescimento exponencial. Mas quanto mais a Inteligência Artificial avança, mais complexos são os problemas a serem resolvidos. E Deep Learning é área mais poderosa da Inteligência Artificial, e por isso ela é sem dúvida a mais importante disciplina neste campo de pesquisa. Neste curso você terá acesso a:

• Estrutura Robusta e Organizada

• Tutorais intuitivos

• Projetos práticos Fantásticos

• Suporte pelo instrutor

O que vamos usar? As ferramentas mais importantes do mundo da Inteligência Artificial, entre elas:

• TensorFlow: O TensorFlow é uma plataforma completa de código aberto para machine learning.

• PyTorch: é uma biblioteca de aprendizado de máquina de código aberto baseada na biblioteca Torch, usada para aplicativos como visão computacional e processamento de linguagem natural

• Theano: Theano é uma biblioteca Python e um compilador de otimização para manipular e avaliar expressões matemáticas, especialmente aquelas com valor de matriz.

• Keras: O Keras é uma biblioteca de rede neural de código aberto escrita em Python. Ele é capaz de rodar em cima de TensorFlow, Microsoft Cognitive Toolkit, R, Theano, ou PlaidML.

• Scikit-learn: A scikit-learn é uma biblioteca de aprendizado de máquina de código aberto para a linguagem de programação Python

O que você vai aprender? Neste super curso, você vai entrar a fundo na área mais importante da Inteligência Artificial, com aulas teóricas e práticas onde você vai estudar:

• Fundamentos de Redes Neurais Artificiais

• Previsão com Regressão e Classificação

• Visão Computacional com Convolutional Neural Networks

• Analise de Séries Temporais com Recurrent Neural Networks

• Detecção de Características com Self-Organizing Maps

• Sistemas de Recomendação com Deep Boltzmann Machines

• Sistemas de Recomendação com AutoEncoders

• Bônus: Simulando uma competição do Kaggle!

Quais problemas práticos você vai implementar?

• Rotatividade de Clientes

• Reconhecimento de Imagens

• Previsão de Preços de Ações

• Detecção de Fraude

• Sistemas de Recomendação

O curso ainda inclui:

• Slides para download

• Códigos fonte em Python (inclui notebooks para Jupyter)

• Dados de exemplo para baixar