Visão Geral

Neste Curso Modern Deep Learning Techniques using TensorFlow , você obterá as habilidades e os conhecimentos necessários para aproveitar o TensorFlow para resolver problemas de Deep Learning do mundo real. Você vai aprender como:

• Entenda os tensores e suas variáveis
• Use a API sequencial e funcional do TensorFlow

O que é o TensorFlow?

• TensorFlow é uma biblioteca de código aberto para computação numérica e é usada para aprendizado de máquina em larga escala. Ele usa o Python como uma API de front-end para criar aplicativos com a estrutura, enquanto executa esses aplicativos em C++ de alto desempenho.

O que é Keras?

• Keras é uma API líder de alto nível. Ele é escrito em python e foi criado para ser amigável e modular.

Qual é a diferença entre Keras e TensorFlow?

• O Keras é uma biblioteca de alto nível que não pode viver por conta própria, enquanto o TensorFlow é uma estrutura que pode viver por conta própria.

Objetivo

Após realizar este Curso Modern Deep Learning Techniques using TensorFlow, você será capaz de:

• Aproveite as redes neurais artificiais
• Entenda os pontos fortes e as limitações do TensorFlow
• Use o TensorFlow 2.x, dos fundamentos aos blocos de construçãoTreine, teste e avalie um modelo do TensorFlow
• Implantar um modelo TensorFlow treinado
• Continue aprendendo e enfrente novos desafios com treinamento de instrutor individual após o curso

Materiais

Conteúdo Programatico

Module 1: Understanding Artificial Neural Networks and TensorFlow

In this module, you will learn:

• The basics of artificial neural networks
• The lifecycle of building a TensorFlow model
• The basics of Deep Learning
• Layered architecture of TensorFlow
• Constants, variables and Tensors

Lab:

• Introduction to Tensors and Variables

Module 2: Feature Engineering with TensorFlow

In this module, you will learn how to:

• Use tf.data
• Define a Keras Model
• Build wide and deep models

Lab:

• Exploring tf.data
• Using TensorFlow sequential API
• Using TensorFlow functional API

Module 3: TensorFlow Under the Hood

In this module, you will learn about:

• Defining gradient descent
• Activation functions
• Hyperparameters
• Regularization

Lab:

• Keras and TensorFlow

Module 4: Feature Engineering

In this module, you will learn about:

• Basics of Feature Engineering
• Raw Data and Features
• Feature Crosses
• Transform

Lab:

• Feature Engineering
• Basic Feature Engineering in Keras
• Advanced Feature Engineering in Keras
• Exploring Tf.transform

Module 5: Monitoring and Deployment

In this module, you will learn about:

• Monitoring with TensorBoard
• Saving and Versioning Model
• Deploying Models

Lab:

• Using TensorBoard to Monitor the performance