Programa do Curso

Aprendizagem supervisionada: classificação e regressão

  • Troca de polarização-variância
  • Regressão logística como classificador
  • Medindo o desempenho do classificador
  • Máquinas de vetores de suporte
  • Redes neurais
  • Florestas aleatórias

Aprendizagem não supervisionada: agrupamento, detecção de anomalias

  • análise do componente principal
  • codificadores automáticos

Arquiteturas de redes neurais avançadas

  • redes neurais convolucionais para análise de imagens
  • redes neurais recorrentes para dados estruturados no tempo
  • a célula de memória de longo curto prazo

Exemplos práticos de problemas que a IA pode resolver, por exemplo

  • análise de imagem
  • previsão de séries financeiras complexas, como preços de ações,
  • reconhecimento de padrões complexos
  • processamento de linguagem natural
  • sistemas de recomendação

Plataformas de software usadas para aplicações de IA:

  • TensorFlow, Theano, Caffe e Keras
  • IA em escala com Apache Spark: Mlib

Compreender as limitações dos métodos de IA: modos de falha, custos e dificuldades comuns

  • sobreajuste
  • vieses em dados observacionais
  • dados faltantes
  • envenenamento de rede neural

Requisitos

Não são necessários requisitos específicos para frequentar este curso.

  28 horas
 

Número de participantes


Inicia

Termina


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

Cursos Relacionados

Categorias Relacionadas