Curso de Aprendizado de Máquina Avançado com Python

Esta formação ao vivo, com instrutor, em Portugal (online ou presencial), destina-se a profissionais de nível avançado que desejam aprofundar o seu conhecimento em visão computacional e explorar as capacidades do TensorFlow para o desenvolvimento de modelos de visão sofisticados utilizando o Google Colab.

Ao final desta formação, os participantes serão capazes de:

• Construir e treinar redes neurais convolucionais (CNNs) utilizando TensorFlow.
• Aproveitar o Google Colab para o desenvolvimento de modelos na cloud de forma escalável e eficiente.
• Implementar técnicas de pré-processamento de imagem para tarefas de visão computacional.
• Implantar modelos de visão computacional para aplicações do mundo real.
• Utilizar o transfer learning para melhorar o desempenho dos modelos CNN.
• Visualizar e interpretar os resultados de modelos de classificação de imagens.

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, conduzida por um instrutor, em Portugal (online ou presencial), destina-se a cientistas de dados e desenvolvedores intermédios que desejam compreender e aplicar técnicas de deep learning no ambiente do Google Colab.

No final desta formação, os participantes estarão aptos a:

• Configurar e navegar no Google Colab para projetos de deep learning.
• Compreender os fundamentos das redes neurais.
• Implementar modelos de deep learning utilizando o TensorFlow.
• Treinar e avaliar modelos de deep learning.
• Utilizar funcionalidades avançadas do TensorFlow para deep learning.

Esta formação ao vivo, conduzida por um instrutor em Portugal (online ou presencial), destina-se a desenvolvedores, cientistas de dados e praticantes de IA de nível intermédio que desejam aproveitar o TensorFlow Lite para aplicações de Edge AI.

No final desta formação, os participantes serão capazes de:

• Compreender os fundamentos do TensorFlow Lite e o seu papel na Edge AI.
• Desenvolver e otimizar modelos de IA utilizando o TensorFlow Lite.
• Implantar modelos TensorFlow Lite em diversos dispositivos de edge.
• Utilizar ferramentas e técnicas para a conversão e otimização de modelos.
• Implementar aplicações práticas de Edge AI com o TensorFlow Lite.

Esta formação ao vivo, ministrada por um formador em Portugal (online ou presencial), destina-se a cientistas de dados que pretendem utilizar o TensorFlow para analisar dados potenciais de fraude.

Ao final desta formação, os participantes serão capazes de:

• Criar um modelo de deteção de fraudes em Python e TensorFlow.
• Construir regressões lineares e modelos de regressão linear para prever fraudes.
• Desenvolver uma aplicação de IA de ponta a ponta para análise de dados de fraude.

Esta formação presencial, dirigida por instrutores, em Portugal (online ou no local), destina-se a programadores e cientistas de dados que pretendem utilizar o TensorFlow 2.x para construir preditores, classificadores, modelos generativos, redes neuronais, entre outros.

No final desta formação, os participantes poderão:

• Instalar e configurar o TensorFlow 2.x.
• Compreender os benefícios do TensorFlow 2.x em relação às versões anteriores.
• Construir modelos de deep learning.
• Implementar um classificador de imagens avançado.
• Fazer a implantação (deploy) de um modelo de deep learning em cloud, dispositivos móveis e dispositivos IoT.

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.