Programa do Curso
Introdução
- Panorama do reconhecimento de padrões e da aprendizagem automática
- Principais aplicações em vários domínios
- Importância do reconhecimento de padrões na tecnologia moderna
Teoria das probabilidades, seleção de modelos, decisão e teoria da informação
- Noções básicas da teoria das probabilidades no reconhecimento de padrões
- Conceitos de seleção e avaliação de modelos
- Teoria da decisão e suas aplicações
- Fundamentos da teoria da informação
Distribuições de probabilidade
- Visão geral das distribuições de probabilidade comuns
- Papel das distribuições na modelação de dados
- Aplicações no reconhecimento de padrões
Modelos lineares para regressão e classificação
- Introdução à regressão linear
- Compreender a classificação linear
- Aplicações e limitações dos modelos lineares
Neural Networks
- Noções básicas de redes neurais e aprendizagem profunda
- Treinar redes neuronais para reconhecimento de padrões
- Exemplos práticos e estudos de caso
Métodos de Kernel
- Introdução aos métodos de kernel no reconhecimento de padrões
- Máquinas de vectores de suporte e outros modelos baseados em kernel
- Aplicações em dados de elevada dimensão
Máquinas de kernel esparsas
- Compreender os modelos esparsos no reconhecimento de padrões
- Técnicas de esparsidade e regularização de modelos
- Aplicações práticas em análise de dados
Modelos gráficos
- Visão geral dos modelos gráficos na aprendizagem automática
- Redes Bayesianas e campos aleatórios de Markov
- Inferência e aprendizagem em modelos gráficos
Modelos mistos e EM
- Introdução aos modelos mistos
- Algoritmo de maximização da expetativa (EM)
- Aplicações em clustering e estimação de densidade
Inferência aproximada
- Técnicas de inferência aproximada em modelos complexos
- Métodos variacionais e amostragem de Monte Carlo
- Aplicações em análise de dados em grande escala
Métodos de amostragem
- Importância da amostragem em modelos probabilísticos
- Técnicas de Monte Carlo em cadeia de Markov (MCMC)
- Aplicações no reconhecimento de padrões
Variáveis latentes contínuas
- Compreensão dos modelos de variáveis latentes contínuas
- Aplicações na redução da dimensionalidade e na representação de dados
- Exemplos práticos e estudos de caso
Dados sequenciais
- Introdução à modelação de dados sequenciais
- Modelos de Markov ocultos e técnicas relacionadas
- Aplicações em análise de séries temporais e reconhecimento de voz
Combinação de modelos
- Técnicas de combinação de vários modelos
- Métodos de conjunto e reforço
- Aplicações para melhorar a exatidão dos modelos
Resumo e próximos passos
Requisitos
- Conhecimentos de estatística
- Familiaridade com cálculo multivariado e álgebra linear básica
- Alguma experiência com probabilidades
Público-alvo
- Analistas de dados
- Estudantes de doutoramento, investigadores e profissionais
Treinamento Corporativo Personalizado
Soluções de treinamento projetadas exclusivamente para empresas.
- Conteúdo Personalizado: Adaptamos o programa e os exercícios práticos aos objetivos e necessidades reais do seu projeto.
- Horário Flexível: Datas e horários adaptados à agenda da sua equipe.
- Formato: Online (ao vivo), In-Company (em suas instalações) ou Híbrido.
Preço por grupo privado, treinamento online ao vivo, a partir de 3900 € + VAT*
Entre em contato conosco para obter um orçamento preciso e conhecer nossas promoções mais recentes
Testemunhos de Clientes (3)
Gostei muito do final, quando tivemos tempo para brincar com o CHAT GPT. O ambiente não estava configurado da melhor maneira para isso - em vez de uma grande mesa, algumas mesas menores teriam ajudado a formar grupos pequenos e favorecido a brainstorming.
Nola - Laramie County Community College
Curso - Artificial Intelligence (AI) Overview
Máquina Traduzida
Trabalhando a partir de princípios fundamentais de forma focada e avançando para a aplicação de estudos de caso no mesmo dia
Maggie Webb - Department of Jobs, Regions, and Precincts
Curso - Artificial Neural Networks, Machine Learning, Deep Thinking
Máquina Traduzida
Parecia que estávamos passando por informações diretamente relevantes em um bom ritmo (ou seja, sem material preenchimento)
Maggie Webb - Department of Jobs, Regions, and Precincts
Curso - Introduction to the use of neural networks
Máquina Traduzida
