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.

Valor do curso
Gratuito
Duração
Aprox. 3 meses
Nível
Avançado
O curso inclui
  • Icon course 01Videoaulas

  • Icon course 04Testes interativos

  • Icon course 02Aulas com profissionais do setor

  • Icon course 05Ritmo individual de aprendizado

  • Icon course 03Comunidade de apoio aos alunos

O que vou aprender?



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.

Que projetos vou fazer?



Projeto 1

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.

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.

Instrutores & Parceiros

  • Vincent Vanhoucke
    Vincent Vanhoucke

    Instrutor

  • Arpan Chakraborty
    Arpan Chakraborty

    Instrutor

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.

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

Quais são os recursos?
  • Vídeos dos instrutores
  • Exercícios práticos
  • Aulas com profissionais do setor