Discutiremos por que hoje as redes neurais funcionam tão bem para lidar com vários problemas, começando pela história do aprendizado de máquina. Em seguida, falaremos sobre como configurar um problema de aprendizado supervisionado e encontrar uma boa solução com gradiente descendente. Isso envolve a criação de conjuntos de dados que permitem a generalização. Esses métodos serão abordados de maneira didática para auxiliar na realização dos testes.
Objetivos do curso:
Identificar por que o aprendizado profundo é mais usado hoje em dia
Otimizar e avaliar modelos usando funções de perda e métricas de desempenho
Reduzir problemas comuns que surgem no aprendizado de máquina
Criar conjuntos de dados de treinamento, avaliação e testes que podem ser repetidos e escalonáveis
Este curso faz parte do Programa de cursos integrados Machine Learning with TensorFlow on Google Cloud Platform em Português Brasileiro
Launching into Machine Learning em Português Brasileiro
oferecido por
Programa - O que você aprenderá com este curso
Semana
14 minutos para concluir
Introdução
Neste curso, você obterá conhecimento básico sobre o aprendizado de máquina para entender a terminologia que usamos em toda a especialização. Você também aprenderá dicas práticas e armadilhas que os profissionais de aprendizado de máquina enfrentam aqui no Google e terminará o curso com o código e o conhecimento necessários para criar seus próprios modelos de aprendizado de máquina.
1 vídeo (total de (Total 4 mín.) min)
1 vídeos
Introdução4min
1 hora para concluir
Aprendizado de máquina na prática
Neste módulo, apresentaremos alguns dos principais tipos de aprendizado de máquina e revisaremos a história dessa tecnologia até a geração mais recente. Com isso, você poderá acelerar seu crescimento como praticante do aprendizado de máquina.
10 vídeos (total de (Total 62 mín.) min), 1 teste
10 videos
Introdução1min
Aprendizado supervisionado5min
Regressão e classificação11min
Breve histórico do aprendizado de máquina: regressão linear7min
Breve histórico do aprendizado de máquina: perceptron5min
Breve histórico do aprendizado de máquina: redes neurais7min
Breve histórico do aprendizado de máquina: árvores de decisão5min
Breve histórico do aprendizado de máquina: métodos de kernel4min
Breve histórico do aprendizado de máquina: florestas aleatórias4min
Breve histórico do aprendizado de máquina: redes neurais modernas8min
1 exercício prático
Questionário do módulo6min
1 hora para concluir
Otimização
Neste módulo, mostraremos a você como otimizar seus modelos de aprendizado de máquina.
13 vídeos (total de (Total 61 mín.) min), 1 teste
13 videos
Introdução42s
Como definir modelos de aprendizado de máquina4min
Introdução ao conjunto de dados de natalidade6min
Apresentação das funções de perda6min
Gradiente descendente5min
Solução de problemas de uma curva de perda2min
Dificuldades do modelo de aprendizado de máquina6min
Laboratório: introdução ao TensorFlow Playground6min
Laboratório: introdução ao TensorFlow Playground (nível avançado)3min
Laboratório: práticas com redes neurais6min
Solução de problemas de curva de perda1min
Métricas de desempenho3min
Matriz de confusão5min
1 exercício prático
Questionário do módulo6min
3 horas para concluir
Generalização e amostragem
Agora chegou a hora de responder a uma pergunta um tanto estranha: em qual situação é preferível não escolher o modelo de aprendizado de máquina mais preciso? Como já dissemos no módulo anterior sobre otimização, o fato de um modelo apresentar uma métrica de perda igual a zero para seu conjunto de dados de treinamento não significa que ele terá um bom desempenho com novos dados em um caso real.
9 vídeos (total de (Total 64 mín.) min), 3 testes
9 videos
Introdução1min
Generalização e modelos de aprendizado de máquina6min
Quando interromper o treinamento de um modelo?5min
Como criar amostras repetíveis no BigQuery6min
Demonstração: divisão de conjuntos de dados no BigQuery8min
Introdução ao laboratório1min
Explicação da solução do laboratório9min
Introdução ao laboratório2min
Explicação da solução do laboratório23min
1 exercício prático
Questionário do módulo12min
4.6
4 avaliaçõesMelhores avaliações
O curso é bem estruturado e com uma parte histórica do estudos que fundamentaram o Aprendizado de Máquina excelente. Parabéns pela metodologia e pelo conteúdo!
Curso excelente, com uma abordagem prática que ajuda a diminuir a complexidade da teoria.
Sobre Google Cloud
We help millions of organizations empower their employees, serve their customers, and build what’s next for their businesses with innovative technology created in—and for—the cloud. Our products are engineered for security, reliability, and scalability, running the full stack from infrastructure to applications to devices and hardware. Our teams are dedicated to helping customers apply our technologies to create success.
Sobre o Programa de cursos integrados Machine Learning with TensorFlow on Google Cloud Platform em Português Brasileiro
O que é aprendizado de máquina e que tipos de problema ele pode resolver? Quais são as cinco fases da conversão de um possível caso de uso de aprendizado de máquina e por que é importante que elas não sejam ignoradas? Por que as redes neurais são tão requisitadas hoje? Como configurar um problema de aprendizado supervisionado, além de encontrar uma solução ótima e generalizável com gradiente descendente e uma boa forma de criar conjuntos de dados? Aprenda a gravar modelos de aprendizado de máquina distribuídos com escalonamento no TensorFlow, faça escalonamento horizontal do treinamento desses modelos e ofereça previsões de alto desempenho. Converta dados brutos em atributos para informar características importantes desses dados ao aprendizado de máquina e ofereça uma percepção humana para dar suporte ao problema. Por fim, aprenda a incorporar a combinação ideal de parâmetros que produz modelos precisos e generalizados, além de conhecer a teoria para resolver tipos específicos de problemas de aprendizado de máquina. Você passará por todas as etapas do aprendizado de máquina, desde a criação de uma estratégia voltada para aprendizado de máquina até o treinamento, a otimização e a produção de modelos em laboratórios práticos com o Google Cloud Platform.
>>> Ao se inscrever nesta especialização você concorda com os Termos de Serviço do Qwiklabs conforme estabelecido na seção de perguntas frequentes. Veja os Termos de Serviço aqui: https://qwiklabs.com/terms_of_service <<<
Perguntas Frequentes – FAQ
Posso assistir uma prévia do curso antes de me inscrever?
Sim, você pode assistir uma prévia do primeiro vídeo e ver programa do curso antes de se inscrever. Você precisa comprar o curso para ter acesso ao conteúdo não incluído na prévia.
Quando terei acesso às palestras e às tarefas?
Se decidir se inscrever no curso antes da data de início da sessão, terá acesso a todos os vídeos das palestras e leituras do curso. Também poderá enviar tarefas assim que a sessão começar.
O que recebo ao me inscrever?
Uma vez inscrito, e tão logo sua sessão tenha iniciado, você terá acesso a todos os vídeos e outros recursos, incluindo itens de leitura e fórum de discussão do curso. Você poderá ver e enviar tarefas práticas e concluir tarefas com nota atribuída obrigatórias para obter uma nota e um Certificado de Curso.
Quando receberei meu Certificado de Curso?
Se você concluir o curso com êxito, seu Certificado de Curso eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn.
Por que não posso assistir este curso como ouvinte?
Este curso é um dos poucos oferecidos pela Coursera que está disponível apenas para alunos que tenham pago ou recebido auxílio financeiro, quando disponível.
Qual é a política de reembolso?
Existe algum auxílio financeiro disponível?
Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.
O Coursera proporciona acesso universal à melhor educação do mundo fazendo parcerias com as melhores universidades e organizações para oferecer cursos on-line.
© 2019 Coursera Inc. Todos os direitos reservados.
