Curso de Deep Reinforcement Learning com Python

Esta formação ao vivo, ministrada por instrutor, em Portugal (online ou presencial), oferece uma introdução ao campo do reconhecimento de padrões e do machine learning. Aborda aplicações práticas em estatística, ciência da computação, processamento de sinais, visão por computador, mineração de dados e bioinformática.

Até ao final desta formação, os participantes estarão capacitados para:

• Aplicar métodos estatísticos essenciais ao reconhecimento de padrões.
• Utilizar modelos-chave, como redes neurais e métodos de kernel, para análise de dados.
• Implementar técnicas avançadas para resolução de problemas complexos.
• Melhorar a precisão das previsões através da combinação de diferentes modelos.

Esta formação ao vivo, orientada por instrutor, em Portugal (online ou presencial), destina-se a engenheiros de machine learning e investigadores de IA avançados que pretendem aplicar o RLHF para afinar grandes modelos de IA, visando um desempenho superior, segurança e alinhamento.

Ao final desta formação, os participantes estarão aptos a:

• Compreender os fundamentos teóricos do RLHF e a sua importância no desenvolvimento moderno de IA.
• Implementar modelos de recompensa baseados em feedback humano para orientar os processos de aprendizagem por reforço.
• Afinar grandes modelos de linguagem utilizando técnicas de RLHF para alinhar as saídas com as preferências humanas.
• Aplicar as melhores práticas para escalar fluxos de trabalho de RLHF em sistemas de IA de nível de produção.

Esta formação ao vivo, ministrada por formador em Portugal (online ou presencial), destina-se a cientistas de dados de nível intermédio que desejam adquirir uma compreensão abrangente e competências práticas tanto em Grandes Modelos de Linguagem (LLMs) como em Aprendizagem por Reforço (RL).

No final desta formação, os participantes serão capazes de:

• Compreender os componentes e a funcionalidade dos modelos transformer.
• Otimizar e ajustar (fine-tuning) LLMs para tarefas e aplicações específicas.
• Compreender os princípios centrais e as metodologias da aprendizagem por reforço.
• Aprender como as técnicas de aprendizagem por reforço podem melhorar o desempenho dos LLMs.

Esta formação ao vivo, conduzida por formador, em Portugal (online ou presencial), destina-se a profissionais de nível avançado que desejam aprofundar a sua compreensão da aprendizagem por reforço e das suas aplicações práticas no desenvolvimento de IA utilizando o Google Colab.

No final desta formação, os participantes serão capazes de:

• Compreender os conceitos fundamentais dos algoritmos de aprendizagem por reforço.
• Implementar modelos de aprendizagem por reforço utilizando TensorFlow e OpenAI Gym.
• Desenvolver agentes inteligentes que aprendem através de tentativa e erro.
• Otimizar o desempenho dos agentes utilizando técnicas avançadas, como Q-learning e redes Q profundas (DQNs).
• Treinar agentes em ambientes simulados utilizando o OpenAI Gym.
• Implantar modelos de aprendizagem por reforço para aplicações do mundo real.

Esta formação ao vivo, liderada por um instrutor, em Portugal (online ou presencial), destina-se a profissionais de nível avançado que pretendem explorar técnicas de XAI de ponta para modelos de deep learning, com foco na construção de sistemas de IA interpretáveis.

No final desta formação, os participantes serão capazes de:

• Compreender os desafios da explicabilidade em deep learning.
• Implementar técnicas avançadas de XAI para redes neuronais.
• Interpretar as decisões tomadas por modelos de deep learning.
• Avaliar os compromissos entre desempenho e transparência.