Discutiremos por que hoje as redes neurais funcionam tão bem para lidar com vários problemas, começando pela história do aprendizado de máquina. Em seguida, falaremos sobre como configurar um problema de aprendizado supervisionado e encontrar uma boa solução com gradiente descendente. Isso envolve a criação de conjuntos de dados que permitem a generalização. Esses métodos serão abordados de maneira didática para auxiliar na realização dos testes.
Dieser Kurs ist Teil der Spezialisierung Spezialisierung Machine Learning with TensorFlow on Google Cloud Platform em Português Brasileiro
Launching into Machine Learning em Português Brasileiro
von
Über diesen Kurs
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Mittel“
Ca. 9 Stunden zum Abschließen
Empfohlen: 16 hours/week
Portugiesisch (Brasilien)
Untertitel: Französisch, Portugiesisch (Brasilien), Deutsch, Englisch, Spanisch, Japanisch
Lehrplan - Was Sie in diesem Kurs lernen werden
4 Minuten zum Abschließen
Introdução
Neste curso, você obterá conhecimento básico sobre o aprendizado de máquina para entender a terminologia que usamos em toda a especialização. Você também aprenderá dicas práticas e armadilhas que os profissionais de aprendizado de máquina enfrentam aqui no Google e terminará o curso com o código e o conhecimento necessários para criar seus próprios modelos de aprendizado de máquina.
4 Minuten zum Abschließen
1 Video (Gesamt 4 min)
1 Video
1 Stunde zum Abschließen
Aprendizado de máquina na prática
Neste módulo, apresentaremos alguns dos principais tipos de aprendizado de máquina e revisaremos a história dessa tecnologia até a geração mais recente. Com isso, você poderá acelerar seu crescimento como praticante do aprendizado de máquina.
1 Stunde zum Abschließen
10 Videos (Gesamt 62 min)
10 Videos
Aprendizado supervisionado5m
Regressão e classificação11m
Breve histórico do aprendizado de máquina: regressão linear7m
Breve histórico do aprendizado de máquina: perceptron5m
Breve histórico do aprendizado de máquina: redes neurais7m
Breve histórico do aprendizado de máquina: árvores de decisão5m
Breve histórico do aprendizado de máquina: métodos de kernel4m
Breve histórico do aprendizado de máquina: florestas aleatórias4m
Breve histórico do aprendizado de máquina: redes neurais modernas8m
1 praktische Übung
Questionário do módulo6m
1 Stunde zum Abschließen
Otimização
Neste módulo, mostraremos a você como otimizar seus modelos de aprendizado de máquina.
1 Stunde zum Abschließen
13 Videos (Gesamt 61 min)
13 Videos
Como definir modelos de aprendizado de máquina4m
Introdução ao conjunto de dados de natalidade6m
Apresentação das funções de perda6m
Gradiente descendente5m
Solução de problemas de uma curva de perda2m
Dificuldades do modelo de aprendizado de máquina6m
Laboratório: introdução ao TensorFlow Playground6m
Laboratório: introdução ao TensorFlow Playground (nível avançado)3m
Laboratório: práticas com redes neurais6m
Solução de problemas de curva de perda1m
Métricas de desempenho3m
Matriz de confusão5m
1 praktische Übung
Questionário do módulo6m
3 Stunden zum Abschließen
Generalização e amostragem
Agora chegou a hora de responder a uma pergunta um tanto estranha: em qual situação é preferível não escolher o modelo de aprendizado de máquina mais preciso? Como já dissemos no módulo anterior sobre otimização, o fato de um modelo apresentar uma métrica de perda igual a zero para seu conjunto de dados de treinamento não significa que ele terá um bom desempenho com novos dados em um caso real.
3 Stunden zum Abschließen
9 Videos (Gesamt 64 min)
9 Videos
Generalização e modelos de aprendizado de máquina6m
Quando interromper o treinamento de um modelo?5m
Como criar amostras repetíveis no BigQuery6m
Demonstração: divisão de conjuntos de dados no BigQuery8m
Introdução ao laboratório1m
Explicação da solução do laboratório9m
Introdução ao laboratório2m
Explicação da solução do laboratório23m
1 praktische Übung
Questionário do módulo12m
3 Minuten zum Abschließen
Resumo
3 Minuten zum Abschließen
1 Video (Gesamt 3 min)
1 Video
Bewertungen
Top-Bewertungen von LAUNCHING INTO MACHINE LEARNING EM PORTUGUÊS BRASILEIRO
von GAFeb 18, 2019
O curso é bem estruturado e com uma parte histórica do estudos que fundamentaram o Aprendizado de Máquina excelente. Parabéns pela metodologia e pelo conteúdo!
von TSMar 17, 2019
Curso excelente, com uma abordagem prática que ajuda a diminuir a complexidade da teoria.
Über Google Cloud
We help millions of organizations empower their employees, serve their customers, and build what’s next for their businesses with innovative technology created in—and for—the cloud. Our products are engineered for security, reliability, and scalability, running the full stack from infrastructure to applications to devices and hardware. Our teams are dedicated to helping customers apply our technologies to create success.
Über den Spezialisierung Machine Learning with TensorFlow on Google Cloud Platform em Português Brasileiro
O que é aprendizado de máquina e que tipos de problema ele pode resolver? Quais são as cinco fases da conversão de um possível caso de uso de aprendizado de máquina e por que é importante que elas não sejam ignoradas? Por que as redes neurais são tão requisitadas hoje? Como configurar um problema de aprendizado supervisionado, além de encontrar uma solução ótima e generalizável com gradiente descendente e uma boa forma de criar conjuntos de dados? Aprenda a gravar modelos de aprendizado de máquina distribuídos com escalonamento no TensorFlow, faça escalonamento horizontal do treinamento desses modelos e ofereça previsões de alto desempenho. Converta dados brutos em atributos para informar características importantes desses dados ao aprendizado de máquina e ofereça uma percepção humana para dar suporte ao problema. Por fim, aprenda a incorporar a combinação ideal de parâmetros que produz modelos precisos e generalizados, além de conhecer a teoria para resolver tipos específicos de problemas de aprendizado de máquina. Você passará por todas as etapas do aprendizado de máquina, desde a criação de uma estratégia voltada para aprendizado de máquina até o treinamento, a otimização e a produção de modelos em laboratórios práticos com o Google Cloud Platform.
>>> Ao se inscrever nesta especialização você concorda com os Termos de Serviço do Qwiklabs conforme estabelecido na seção de perguntas frequentes. Veja os Termos de Serviço aqui: https://qwiklabs.com/terms_of_service <<<
Häufig gestellte Fragen
Kann ich vor der Anmeldung eine Vorschau des Kurses ansehen?
Ja, Sie können eine Vorschau des ersten Videos und den Lehrplan ansehen, bevor Sie sich anmelden. Sie müssen den Kurs kaufen, um Zugriff auf die Inhalte zu erhalten, die nicht in der Vorschau inbegriffen sind.
Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Wenn Sie sich vor dem Startdatum der ersten Kurseinheit anmelden, haben Sie Zugriff auf alle Vortragsvideos und Texte für den Kurs. Sobald die erste Kurseinheit beginnt, können Sie Aufgaben einreichen.
Was bekomme ich, wenn ich mich anmelde?
Sobald Sie sich anmelden und Ihre Kurseinheit beginnt, haben Sie Zugriff auf alle Videos und andere Ressourcen, einschließlich der Texte und des Kurs-Diskussionsforums. Sie können praktische Aufgaben ansehen und einreichen und erforderliche bewertete Aufgaben abschließen, um eine Bewertung und ein Kurszertifikat zu erhalten.
Wann erhalte ich mein Kurszertifikat?
Wenn Sie den Kurs erfolgreich abschließen, wird der Seite „Errungenschaften“ Ihr elektronisches Kurszertifikat hinzugefügt – von dort können Sie Ihr Kurszertifikat ausdrucken oder es zu Ihrem LinkedIn-Profil hinzufügen.
Warum kann ich nicht als Gast an diesem Kurs teilnehmen?
Dieser Kurs ist einer der wenigen auf Coursera angebotenen Kurse, die derzeit ausschließlich für Kursteilnehmer zugänglich sind, die bezahlt oder finanzielle Unterstützung erhalten haben, wenn diese verfügbar ist.
Wie erfolgen Rückerstattungen?
Ist finanzielle Unterstützung möglich?
Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..