advanced

Aprox. 3 meses

Assume 6 horas / semana (trabalhe em seu próprio ritmo)

Feito por:
Junte-se a milhares de estudantes

Inicie o curso grátis

Inicie o curso grátis
Grátis
Você recebe
Video-aulas
Exercícios práticos e visualize instruções para o projeto
course image

Resumo do curso

O Aprendizado de máquina é um dos campos de maior crescimento e mais emocionante, e o Deep Learning é o que há de mais moderno. Neste curso, você vai desenvolver uma compreensão clara da motivação para o Deep Learning, e projetar sistemas inteligentes que aprendem a partir de conjuntos de dados complexos e/ou de grande escala.

Vamos mostrar-lhe como treinar e otimizar as redes de base neurais, redes neurais convolucionais e redes longas de memória de curto prazo. Sistemas de aprendizagem completas em TensorFlow serão introduzidos através de projetos e atribuições. Você vai aprender a resolver novas classes de problemas que antes eram considerados desafiadores, e vir a apreciar melhor a natureza complexa da inteligência humana, a medida em que resolve esses mesmos problemas, sem esforço, usando métodos de Deep Learning.

Nós desenvolvemos este curso com Vincent Vanhoucke, cientista chefe do Google, e líder técnico na equipe do Google Brain.

** Nota: Este é um curso de nível intermediário a avançado oferecido como parte do programa Nanodegree Engenheiro de Aprendizado de Máquina. Ele assume que você tenha passado por curso introdutório de aprendizado de máquina e que você é, pelo menos, familiarizado com os métodos de aprendizado supervisionado.

Por que fazer este curso?

Métodos de aprendizagem profunda estão se tornando exponencialmente mais importantes devido ao seu sucesso demonstrado na resolução dos problemas de aprendizagem complexos. Ao mesmo tempo, o aumento do acesso aos recursos de computação de alto desempenho e modernas bibliotecas de código aberto está tornando cada vez mais viável para corporações, pequenas empresas e indivíduos, usar esses métodos.

Dominar o Deep Learning em o coloca na vanguarda de uma das mais promissoras, inovadoras e influentes tecnologias emergentes, e abre enormes novas oportunidades de carreira. Para analistas de dados, cientistas de dados, engenheiros de aprendizado de máquina e estudantes de Aprendizado de Máquina/Inteligência Artificial, isto representa uma oportunidade rara para aprimorar seu portfólio de aprendizado de máquina com um conjunto de técnicas vitais avançado e amplamente aplicável

Pré-requisitos

Este é um curso de nível intermediário a avançado. Antes de fazer este curso, além dos pré-requisitos e requisitos descritos para o programa Nanodegree Engenheiro de Aprendizado de Máquina, você deve possuir a seguinte experiência e habilidades:

  • Mínimo 2 anos de experiência em programação (preferencialmente em Python)
  • Experiência com Git e GitHub (código dos exerícios está em um repositório GitHub)
  • Conhecimento em aprendizado de máquina básica (ensino especial supervisionado)
  • As estatísticas básicas do conhecimento (média, variância, desvio padrão, etc.)
  • Álgebra linear (vetores, matrizes, etc.)
  • Cálculo (diferenciação, integrais, derivadas parciais, etc.)

Veja os Requisitos Tecnológicos para usar a Udacity.

O que vou aprender?

Projetos

P5: Projeto Final

Neste projeto final, você vai aproveitar o que você aprendeu ao longo do programa Nanodegree para resolver um problema de sua escolha através da aplicação de algoritmos e técnicas de aprendizado de máquina. Você vai primeiro definir o problema que você quer resolver e investigar as possíveis soluções e métricas de desempenho. Em seguida, você irá analisar o problema por meio de visualizações e exploração de dados para ter uma melhor compreensão de quais algoritmos e características são apropriadas para resolvê-lo.

Você vai então implementar seus algoritmos e métricas escolhidas, documentando as etapas de pré-processamento, refinamento e pós processamento ao longo do caminho. Depois, você vai recolher os resultados sobre o desempenho dos modelos utilizados, visualizar quantidades significativas, e validar / justificar estes valores. Finalmente, você vai construir conclusões sobre os seus resultados, e discutir se a implementação resolve adequadamente o problema.

Conteúdo

Lição 1: Do Aprendizado de Máquina ao Deep Learning

  • Entenda o contexto histórico e motivação para o Deep Learning.
  • Configurar uma tarefa básica de classificação supervisionada e treinar um classificador caixa preta nele.
  • Treinar um classificador logístico manualmente. Otimizar um classificador logístico, utilizando gradiente descendente, SGD, Momentum e AdaGrad.

Lição 2: Redes Neurais Profundas

  • Formar uma rede profunda simples.
  • Efetivamente regularizar uma rede profunda simples.
  • Formar uma rede profunda competitiva através exploração modelo e ajuste hiperparâmetro.

Lição 3: Redes Neurais Convolucionais

  • Formar uma rede neural convolucional simples.
  • Explorar o espaço de design para redes convolucionais.

Lição 4: Modelos Profundos Para Texto e Seqüências

  • Treinar um modelo de texto incorporação.
  • Treinar um modelo LSTM.

Instrutores & Parceiros

instructor photo

Vincent Vanhoucke

Instrutor

Vincent Vanhoucke é o cientista chefe de pesquisa do Google, trabalhando com a equipe do Google Brain em pesquisa de aprendizado profunda e infra-estrutura. Ele completou seu doutorado na Universidade de Stanford sobre reconhecimento de voz, e agora concentra suas pesquisas em compreensão de imagem e vídeo, bem como percepção móvel e robótica.

instructor photo

Arpan Chakraborty

Instrutor

Arpan gosta de encontrar soluções de computação para os problemas cotidianos. Ele está interessado na interação homem-computador, robótica e ciência cognitiva. Ele obteve seu PhD da North Carolina State University, com foco na visão de computador inspirada na biologia. na Udacity, ele passa uma boa parte do tempo projetando exercícios interativos para seus cursos, além de trabalhar em projetos de estimação para melhorar ou automatizar o fluxo de trabalho.