Prazos flexíveis

Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Certificado compartilhável
Ganhe um certificado após a conclusão
100% online
Comece instantaneamente e aprenda em sua própria programação.
Nível intermediário
Aproximadamente. 8 horas para concluir
Inglês
Legendas: francês, português (europeu), russo, inglês, espanhol

Syllabus – o que você aprenderá com este curso
Introdução às redes neurais e aprendizado profundo
Neste módulo, você aprenderá sobre aplicativos interessantes do aprendizado profundo e por que agora é o momento perfeito para aprender o aprendizado profundo. Você também aprenderá sobre as redes neurais e como a maioria dos algoritmos de aprendizado profundo é inspirado na maneira como nosso cérebro funções e os dados do processo dos neurônios. Por fim, você aprenderá sobre como as redes neurais alimentam os dados através da rede.
Redes neurais artificiais
Neste módulo, você aprenderá sobre o algoritmo de descida de gradiente e como as variáveis ​​são otimizadas em relação a uma função definida. Você também aprenderá sobre retropropagação e como as redes neurais aprendem e atualizam seus pesos e preconceitos. FUTHERMORE, você aprenderá sobre o problema do gradiente de fuga. Finalmente, você aprenderá sobre as funções de ativação.
Keras e bibliotecas de aprendizado profundo
Neste módulo, você aprenderá sobre as bibliotecas de aprendizado profundo e profundo, a saber, Keras, Pytorch e Tensorflow. Você também aprenderá como criar modelos de regressão e classificação usando a biblioteca Keras.
Modelos de aprendizado profundo
Neste módulo, você aprenderá sobre a diferença entre as redes neurais rasas e profundas. Você também aprenderá sobre redes convolucionais e como construí -las usando a biblioteca Keras. Por fim, você também aprenderá sobre redes neurais e autoencodentes recorrentes.
Projeto do curso
Neste módulo, você concluirá o curso trabalhando em uma tarefa final, onde usará a biblioteca Keras para criar um modelo de regressão e experimentar a profundidade e a largura do modelo.