Visão Geral

Curso TensorFlow Machine Learning, Aprenda a desenvolver soluções de ML com TensorFlow no Google Cloud Platform

Curso TensorFlow Machine Learning, com instrutor mostrará como obter, configurar e implantar o TensorFlow e criar suas próprias soluções de aprendizado profundo / máquina.

Você aprenderá como preparar seus dados para começar a criar modelos de redes neurais para classificar texto natural, imagens e como resolver problemas de regressão.

Também falaremos sobre a ética da IA, pois essa é uma área frequentemente esquecida. 

Objetivo

Após realizar este Curso TensorFlow Machine Learning, você será capaz de:

• Os principais conceitos de Aprendizado de Máquina, Redes Neurais e Aprendizado Profundo
• Explorar e pré-processar seus dados para aprendizado de máquina
• Construindo seu primeiro modelo de rede neural
• Uso do TensorFlow para resolver problemas de classificação de texto, classificação de imagem e regressão
• Melhorar seus modelos com ajuste e análise de erros

Publico Alvo

Analistas, cientistas de dados e desenvolvedores de software que desejam obter uma introdução prática à criação de soluções de aprendizado de máquina usando o TensorFlow.

Pre-Requisitos

Os participantes devem ter participado de nossa introdução ao curso de treinamento de Programação Python ou ter experiência equivalente em programação com Python, ou ter forte experiência em desenvolvimento com outra linguagem, como C ++, C #, Scala, JavaScript. Um conhecimento prático de Álgebra Linear e Cálculo Vetorial também seria muito útil.

Materiais

Conteúdo Programatico

Machine Learning & Neural Networks Overview

1. What is Machine Learning?
2. Machine Learning problems and applications
3. Neural Networks overview
4. The Python Machine Learning ecosystem: TensorFlow vs scikit-learn

Machine Learning Basics

1. Learning and predicting
2. Supervised vs Unsupervised Learning
3. Feature engineering, feature selection, feature scaling
4. Training data and test data
5. Cross-validation
6. Evaluation metrics

Loading, exploring and pre-processing your data

1. The tf.data API
2. Working with NumPy arrays
3. TensorFlow datasets

Building your first Neural Network model

1. Choosing a network architecture
2. The tf.keras API
3. Setting up and compiling a model in TensorFlow
4. Training the model
5. Model evaluation
6. Making predictions

TensorFlow demos

1. Classification: predicting a label
2. Text classification with TensorFlow
3. Image classification with TensorFlow
4. Regression: predicting a quantity
5. Linear Regression with TensorFlow
6. Improving prediction quality
7. Error analysis
8. Hyper-parameter tuning

Miscellanea

1. Ethics in Machine Learning
2. Discussion points on advanced application