Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Programa do Curso
Dia 1:
Básico Machine Learning
Módulo 1
Introdução:
- Exercício – Instalando Python e Bibliotecas NN
- Por que aprendizado de máquina?
- Breve história do aprendizado de máquina
- A ascensão do aprendizado profundo
- Conceitos básicos em aprendizado de máquina
- Visualizando um problema de classificação
- Limites de decisão e regiões de decisão
- euPython cadernos
Módulo-2
- Exercício – Regiões de Decisão
- O neurônio artificial
- A rede neural, propagação direta e camadas de rede
- Funções de ativação
- Exercício – Funções de ativação
- Retropropagação de erro
- Underfitting e Overfitting
- Interpolação e suavização
- Extrapolação e abstração de dados
- Generalização em aprendizado de máquina
Módulo-3
- Exercício – Underfitting e Overfitting
- Conjuntos de treinamento, teste e validação
- Viés de dados e o problema do exemplo negativo
- Troca de polarização/variância
- Exercício – Conjuntos de dados e preconceito
Módulo-4
- Visão geral dos parâmetros e hiperparâmetros NN
- Problemas de regressão logística
- Funções de custo
- Exemplo – Regressão
- Aprendizado de máquina clássico vs. aprendizado profundo
- Conclusão
Dia 2: Convolucional Neural Networks (CNN)
Módulo-5
- Introdução à CNN
- O que são CNNs?
- Computer visão
- CNNs na vida cotidiana
- Imagens – pixels, quantização de cor e espaço, RGB
- Equações de convolução e significado físico, contínuo vs. discreto
- Exercício – Convolução 1D
Módulo-6
- Base teórica para filtragem
- Sinal como soma de sinusóides
- Espectro de frequencia
- Filtros passa-banda
- Exercício – Filtragem de Frequência
- Filtros convolucionais 2D
- Preenchimento e comprimento da passada
- Filtrar como passa-banda
- Filtrar como correspondência de modelo
- Exercício – Detecção de Bordas
- Filtros Gabor para análise de frequência localizada
- Exercício – Filtros Gabor como mapas da camada 1
Módulo-7
- Arquitetura CNN
- Camadas convolucionais
- Máximo de camadas de pooling
- Camadas de redução da resolução
- Abstração recursiva de dados
- Exemplo de abstração recursiva
Módulo-8
- Exercício – Uso básico da CNN
- Conjunto de dados ImageNet e o modelo VGG-16
- Visualização de mapas de recursos
- Visualização dos significados dos recursos
- Exercício – Mapas de recursos e significados de recursos
Dia 3: Modelo de Sequência
Módulo-9
- O que são modelos de sequência?
- Por que modelos de sequência?
- Caso de uso de modelagem de linguagem
- Sequências no tempo vs. sequências no espaço
Módulo-10
- RNNs
- Arquitetura recorrente
- Retropropagação ao longo do tempo
- Gradientes desaparecendo
- GRU
- LSTM
- RNN profundo
- RNN bidirecional
- Exercício – RNN unidirecional vs. bidirecional
- Sequências de amostragem
- Previsão de saída de sequência
- Exercício – Predição de Saída de Sequência
- RNNs em sinais simples variáveis no tempo
- Exercício – Detecção Básica de Forma de Onda
Módulo-11
- Natural Language Processing (NLP)
- Word incorporações
- Word vetores: word2vec
- Word vetores: GloVe
- Transferência de conhecimento e incorporação de palavras
- Análise de sentimentos
- Exercício – Sentiment Analysis
Módulo-12
- Quantificando e removendo preconceitos
- Exercício – Removendo preconceito
- Dados de áudio
- Pesquisa de feixe
- Modelo de atenção
- Reconhecimento de fala
- Detecção de palavra de gatilho
- Exercício – Speech Recognition
Requisitos
Não há requisitos específicos necessários para participar deste curso.
21 horas