Programa do Curso

Aprendizagem supervisionada: classificação e regressão

  • Troca de polarização-variância
  • Regressão logística como classificador
  • Medindo o desempenho do classificador
  • Máquinas de vetores de suporte
  • Redes neurais
  • Florestas aleatórias

Aprendizagem não supervisionada: agrupamento, detecção de anomalias

  • análise do componente principal
  • codificadores automáticos

Arquiteturas de redes neurais avançadas

  • redes neurais convolucionais para análise de imagens
  • redes neurais recorrentes para dados estruturados no tempo
  • a célula de memória de longo curto prazo

Exemplos práticos de problemas que a IA pode resolver, por exemplo

  • análise de imagem
  • previsão de séries financeiras complexas, como preços de ações,
  • reconhecimento de padrões complexos
  • processamento de linguagem natural
  • sistemas de recomendação

Plataformas de software usadas para aplicações de IA:

  • TensorFlow, Theano, Caffe e Keras
  • IA em escala com Apache Spark: Mlib

Compreender as limitações dos métodos de IA: modos de falha, custos e dificuldades comuns

  • sobreajuste
  • vieses em dados observacionais
  • dados faltantes
  • envenenamento de rede neural

Requisitos

Não são necessários requisitos específicos para frequentar este curso.

  28 horas
 

Cursos Relacionados

Categorias Relacionadas