Entrar em Contato
 Duração 28 horas

Programa do Curso

Aprendizado supervisionado: classificação e regressão

  • Aprendizado de Máquina em Python: introdução à API scikit-learn
    • regressão linear e logística
    • máquina de vetores de suporte
    • redes neurais
    • floresta aleatória
  • Configuração de um pipeline de aprendizado supervisionado de ponta a ponta usando scikit-learn
    • trabalho com arquivos de dados
    • imputação de valores ausentes
    • tratamento de variáveis categóricas
    • visualização de dados

Frameworks em Python para aplicações de IA:

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

Arquiteturas avançadas de redes neurais

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

Aprendizado não supervisionado: agrupamento, detecção de anomalias

  • implementação de análise de componentes principais com scikit-learn
  • implementação de autoencoders no Keras

Exemplos práticos de problemas que a IA pode resolver (exercícios práticos usando Jupyter notebooks), por exemplo:

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

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

  • overfitting
  • trade-off viés/variancia
  • viés em dados observacionais
  • envenenamento de rede neural

Trabalho de Projeto Aplicado (opcional)

Requisitos

Não há requisitos específicos para participar deste curso.

Número de participantes


Preço por participante

Testemunhos de Clientes (2)

Próximas Formações Provisórias

Categorias Relacionadas