Deep Learning com Python de A a Z – O Curso Completo

$39.99

Description

Importante: o cdigo fonte est atualizado para as ltimas verses das bibliotecas, inclusive o TensorFlow 2.0!A rea de Deep Learning (Aprendizagem Profunda) est relacionada a aplicao das redes neurais artificiais na resoluo de problemas complexos e que requerem artifcios computacionais avanados. Existem diversas aplicaes prticas que j foram construdas utilizando essas tcnicas, tais como: carros autnomos, descoberta de novos medicamentos, cura e diagnstico antecipado de doenas, gerao automtica de notcias, reconhecimento facial, recomendao de produtos, previso dos valores de aes na bolsa de valores e at mesmo a gerao automtica de roteiros de filmes! Nesses exemplos, a tcnica base utilizada so as redes neurais artificiais, que procuram “imitar” como o crebro humano funciona e so consideradas hoje em dia como as mais avanadas no cenrio de Machine Learning (Aprendizagem de Mquina).A rea de Deep Learning  atualmente um dos campos de trabalho mais relevantes da Inteligncia Artificial, sendo que o mercado de trabalho dessa rea nos Estados Unidos e em vrios pases da Europa est em grande ascenso; e a previso que no Brasil cada vez mais esse tipo de profissional seja requisitado! Inclusive alguns estudos apontam que o conhecimento dessa rea ser em breve um pr-requisito para os profissionais de Tecnologia da Informao!E para levar voc at essa rea, neste curso voc ter uma viso terica e principalmente prtica sobre as principais e mais modernas tcnicas de Deep Learning utilizando o Python! Este curso considerado de A Z pelo fato de apresentar desde os conceitos mais bsicos sobre as redes neurais at tcnicas mais modernas e avanadas, de modo que ao final voc ter todas as ferramentas necessrias para construir solues complexas e que podem ser aplicadas em problemas do dia-a-dia das empresas! Para isso, o contedo est dividido em sete partes: redes neurais artificiais, redes neurais convolucionais, redes neurais recorrentes, mapas auto organizveis, boltzmann machines, autoencoders e redes adversariais generativas. Voc aprender a teoria bsica sobre cada um desses assuntos, bem como implementar exemplos prticos passo a passo aplicado em cenrios reais. Veja abaixo alguns dos projetos que sero desenvolvidos:Classificao se um cncer maligno ou benigno baseado nos dados do tumorClassificao de tipos de plantasPreviso do preo de veculos usados baseado nas caractersticas do carroPreviso de quanto um jogo de vdeo game venderClassificao de dgitos escritos a moClassificao de imagens de gatos e cachorrosClassificao das imagens do Homer e Bart, do desenho dos SimpsonsClassificao de objetos, como por exemplo: avies, automveis, pssaros, gatos, veados, cachorros, sapos, cavalos, barcos e caminhesConstruo de srie temporal para previso dos preos das aes da PetrobrsPreviso da poluio na China em determinadas horas do diaAgrupamento de tipos de vinhos baseados nas caractersticas do produtoAgrupamento de cncer que so malignos ou benignosDeteco de clientes que podem tentar fraude em bases de dados financeirasReduo de dimensionalidade em imagensDesenvolvimento de um sistema de recomendao bsico de filmesComparao de sistemas de recomendao utilizando redes neurais e utilizando tcnicas clssicas de filtragem colaborativaCriao automtica de imagensAo final de cada seo terica voc tem questionrios para revisar o contedo, bem como indicaes de referncias complementares caso voc queira aprender mais sobre os assuntos. E ao final de cada seo prtica, voc encontra projetos de programao para fortalecer o contedo sobre as implementaes, todos com as solues para voc comparar com o seu progresso!Este curso indicado para todos os nveis, ou seja, caso seja seu primeiro contato com Deep Learning, voc conta com um apndice que contm aulas bsicas sobre aprendizagem de mquina e redes neurais! tambm importante enfatizar que o nico pr-requisito necessrio saber lgica de programao, pois mesmo se voc no seja especialista na linguagem Python voc conseguir acompanhar o curso sem nenhum problema!Preparado(a) para dar um importante passo na sua carreira? Aguardo voc no curso! 🙂