Visão Geral

Empresas em todo o mundo estão usando inteligência artificial para resolver seus maiores desafios. Os profissionais de saúde usam IA para permitir diagnósticos mais precisos e rápidos nos pacientes. As empresas de varejo o utilizam para oferecer experiências de compra personalizadas aos clientes. Os fabricantes de automóveis utilizam-no para tornar os veículos pessoais, a mobilidade partilhada e os serviços de entrega mais seguros e eficientes. O aprendizado profundo é uma abordagem poderosa de IA que usa redes neurais artificiais multicamadas para fornecer precisão de última geração em tarefas como detecção de objetos, reconhecimento de fala e tradução de idiomas. Usando o aprendizado profundo, os computadores podem aprender e reconhecer padrões de dados que são considerados muito complexos ou sutis para software escrito por especialistas.

Neste Curso Fundamentals of Deep Learning Training, você aprenderá como funciona o aprendizado profundo por meio de exercícios práticos em visão computacional e processamento de linguagem natural. Você treinará modelos de aprendizado profundo do zero, aprendendo ferramentas e truques para obter resultados altamente precisos. Você também aprenderá a aproveitar modelos pré-treinados de última geração disponíveis gratuitamente para economizar tempo e colocar seu aplicativo de aprendizado profundo em funcionamento rapidamente.

Objetivo

Após concluir este Curso Fundamentals of Deep Learning Training, você será capaz de:

• Aprenda as técnicas e ferramentas fundamentais necessárias para treinar um modelo de aprendizado profundo
• Ganhe experiência com tipos de dados e arquiteturas de modelo comuns de aprendizagem profunda
• Aprimore os conjuntos de dados por meio do aumento de dados para melhorar a precisão do modelo
• Aproveite a aprendizagem por transferência entre modelos para obter resultados eficientes com menos dados e computação
• Ganhe confiança para assumir seu próprio projeto com uma estrutura moderna de aprendizado profundo

Pre-Requisitos

• Uma compreensão dos conceitos fundamentais de programação em Python 3, como funções, loops, dicionários e arrays; familiaridade com estruturas de dados Pandas; e uma compreensão de como calcular uma linha de regressão.

Materiais

Conteúdo Programatico

• Introduction
• The Mechanics of Deep Learning
  1. Explore the fundamental mechanics and tools involved in successfully training deep neural networks.
  2. Train your first computer vision model to learn the process of training.
  3. Introduce convolutional neural networks to improve accuracy of predictions in vision applications.
  4. Apply data augmentation to enhance a dataset and improve model generalization.
• Pre-trained Models and Recurrent Networks
  1. Leverage pre-trained models to solve deep learning challenges quickly. Train recurrent neural networks on sequential data.
  2. Integrate a pre-trained image classification model to create an automatic doggy door.
  3. Leverage transfer learning to create a personalized doggy door that only lets in your dog.
  4. Train a model to autocomplete text based on New York Times headlines.
• Final Project: Object Classification
  1. Apply computer vision to create a model that distinguishes between fresh and rotten fruit.
  2. Create and train a model that interprets color images.
  3. Build a data generator to make the most out of small datasets.
  4. Improve training speed by combining transfer learning and feature extraction.
  5. Discuss advanced neural network architectures and recent areas of research where students can further improve their skills.
• Final Review