Introdução à aprendizagem profunda em Python
Aprenda os fundamentos das redes neurais e como criar modelos de deep learning com Keras 2.0 em Python.
Comece O Curso Gratuitamente4 horas17 vídeos50 exercícios
Crie sua conta gratuita
ou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.Treinar 2 ou mais pessoas?Experimente o DataCamp For Business
Amado por alunos de milhares de empresas
Descrição do Curso
Descubra os aplicativos de aprendizagem profunda
A aprendizagem profunda é a técnica de aprendizagem de máquina por trás dos recursos mais interessantes em robótica, processamento de linguagem natural, reconhecimento de imagens e inteligência artificial. Neste curso de 4 horas, você obterá conhecimento prático sobre como aplicar suas habilidades em Python à aprendizagem profunda com a biblioteca Keras 2.0.Explore os modelos Keras com um colaborador da biblioteca
Ministrado pelo ex-cientista de dados do Google e colaborador do Keras, Dan Becker, este curso de aprendizagem profunda explora os modelos de rede neural e como você pode gerar previsões com eles. Nos primeiros capítulos, você entenderá melhor a propagação para frente e para trás e como elas funcionam na prática.A biblioteca Keras é uma biblioteca Python que pode ajudar você a desenvolver e analisar modelos de aprendizagem profunda. Como muitas bibliotecas Python, ela é gratuita, de código aberto e muito fácil de usar. Você começará criando um modelo do Keras e aprenderá a compilá-lo, ajustá-lo e classificá-lo antes de fazer previsões. Depois de concluir este curso, você terá todas as ferramentas necessárias para criar redes neurais profundas e começar a fazer experiências com redes mais amplas e profundas ao longo do tempo.
Aprofunde-se mais na aprendizagem profunda
Este curso faz parte de várias trilhas de aprendizado de máquina e aprendizado profundo, oferecendo a você caminhos claros para desenvolver suas habilidades e experiência nessa área depois de concluir o curso introdutório, quer você queira concluir um projeto pessoal ou seguir uma carreira como cientista de aprendizado de máquina.Para Empresas
Treinar 2 ou mais pessoas?
Obtenha acesso à biblioteca completa do DataCamp, com relatórios, atribuições, projetos e muito mais centralizados- 1
Noções básicas de aprendizagem profunda e redes neurais
GratuitoNeste capítulo, você se familiarizará com os conceitos e a terminologia fundamentais usados na aprendizagem profunda e entenderá por que as técnicas de aprendizagem profunda são tão poderosas atualmente. Você criará redes neurais simples e gerará previsões com elas.
Introdução à aprendizagem profunda50 xpComparação de modelos de redes neurais com modelos de regressão clássicos50 xpPropagação direta50 xpCodificação do algoritmo de propagação progressiva100 xpFunções de ativação50 xpA função de ativação linear retificada100 xpAplicar a rede a muitas observações/linhas de dados100 xpRedes mais profundas50 xpPropagação direta em uma rede mais profunda50 xpRedes neurais multicamadas100 xpAs representações são aprendidas50 xpNíveis de representação50 xp - 2
Otimização de uma rede neural com propagação para trás
Saiba como otimizar as previsões geradas por suas redes neurais. Você usará um método chamado backward propagation, que é uma das técnicas mais importantes da aprendizagem profunda. Entender como ele funciona dará a você uma base sólida para a segunda metade do curso.
A necessidade de otimização50 xpCálculo dos erros do modelo50 xpCompreensão de como os pesos alteram a precisão do modelo50 xpCodificação de como as alterações de peso afetam a precisão100 xpDimensionamento para vários pontos de dados100 xpDescida de gradiente50 xpCálculo de inclinações100 xpAprimoramento dos pesos do modelo100 xpFazer várias atualizações de pesos100 xpRetropropagação50 xpA relação entre a propagação para frente e para trás50 xpPensando na propagação para trás50 xpBackpropagation na prática50 xpUma rodada de retropropagação50 xp - 3
Criando modelos de aprendizagem profunda com o keras
Neste capítulo, você usará a biblioteca Keras para criar modelos de aprendizagem profunda para regressão e classificação. Você aprenderá sobre o fluxo de trabalho Specify-Compile-Fit que pode ser usado para fazer previsões e, ao final do capítulo, terá todas as ferramentas necessárias para criar redes neurais profundas.
Criando um modelo Keras50 xpEntendendo seus dados50 xpEspecificação de um modelo100 xpCompilação e ajuste de um modelo50 xpCompilação do modelo100 xpAjuste do modelo100 xpModelos de classificação50 xpEntendendo seus dados de classificação50 xpÚltimas etapas dos modelos de classificação100 xpUsando modelos50 xpFazendo previsões100 xp - 4
Ajuste fino dos modelos keras
Saiba como otimizar seus modelos de aprendizagem profunda no Keras. Comece aprendendo a validar seus modelos, depois entenda o conceito de capacidade do modelo e, por fim, faça experiências com redes mais amplas e profundas.
Entendendo a otimização do modelo50 xpDiagnosticar problemas de otimização50 xpAlteração dos parâmetros de otimização100 xpValidação do modelo50 xpAvaliação da precisão do modelo no conjunto de dados de validação100 xpParada precoce: Otimizando a otimização100 xpExperimentação com redes mais amplas100 xpAdicionando camadas a uma rede100 xpPensando na capacidade do modelo50 xpExperimentando estruturas de modelos50 xpComo você pode ver nas imagens50 xpCriando seu próprio modelo de reconhecimento de dígitos100 xpConsiderações finais50 xp
Para Empresas
Treinar 2 ou mais pessoas?
Obtenha acesso à biblioteca completa do DataCamp, com relatórios, atribuições, projetos e muito mais centralizadoscolaboradores
pré-requisitos
Supervised Learning with scikit-learnDan Becker
Ver Mais
Data Scientist and contributor to Keras and TensorFlow libraries
O que os outros alunos têm a dizer?
Junte-se a mais de 14 milhões de alunos e comece Introdução à aprendizagem profunda em Python hoje mesmo!
Crie sua conta gratuita
ou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.