Introdução ao TensorFlow em Python
"Aprenda os fundamentos das redes neurais e como criar modelos de deep learning com TensorFlow."
Comece O Curso Gratuitamente4 horas15 vídeos51 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
Obtenha uma introdução ao TensorFlow
Há pouco tempo, os algoritmos de visão computacional mais avançados não conseguiam diferenciar imagens de cães e gatos. Hoje, um cientista de dados habilidoso, equipado com nada mais do que um laptop, pode classificar dezenas de milhares de objetos com maior precisão do que o olho humano.Neste curso, você usará o TensorFlow 2.6 para desenvolver, treinar e fazer previsões com os modelos que impulsionaram grandes avanços em sistemas de recomendação, classificação de imagens e FinTech.
Use modelos lineares para fazer previsões
Você descobrirá como usar o TensorFlow 2.6 para fazer previsões usando modelos de regressão linear e testará seu conhecimento prevendo os preços das casas em King County. Esta seção do curso inclui uma visão das funções de perda e como você pode reduzir o uso de recursos treinando o modelo linear em lotes.Treine sua rede neural
Na segunda metade do curso, você usará as mesmas ferramentas para fazer previsões usando redes neurais. Você praticará o treinamento de uma rede no TensorFlow adicionando variáveis treináveis e usando seu modelo e recursos de teste para prever valores-alvo.Combine o TensorFlow com o Keras API
Adicione o poderoso API do Keras ao seu repertório e aprenda a combiná-lo com o TensorFlow 2.6 para fazer previsões e avaliar modelos. Ao final deste curso, você entenderá como usar o Estimators API para simplificar a definição do modelo e evitar erros.Para Empresas
Treinar 2 ou mais pessoas?
Obtenha acesso à biblioteca completa do DataCamp, com relatórios, atribuições, projetos e muito mais centralizados- 1
Introdução ao TensorFlow
GratuitoAntes de criar modelos avançados no TensorFlow 2, você precisa primeiro entender os conceitos básicos. Neste capítulo, você aprenderá a definir constantes e variáveis, realizar adição e multiplicação de tensores e calcular derivadas. Conhecimento de álgebra linear será útil, mas não necessário.
Constantes e variáveis50 xpDefinição de dados como constantes100 xpDefinição de variáveis100 xpOperações básicas50 xpRealização de multiplicação por elementos100 xpFazer previsões com a multiplicação de matrizes100 xpSomando as dimensões do tensor50 xpOperações avançadas50 xpReformulação de tensores100 xpOtimização com gradientes100 xpTrabalho com dados de imagem100 xp - 2
Modelos lineares
Neste capítulo, você aprenderá a criar, resolver e fazer previsões com modelos no TensorFlow 2. Você se concentrará em uma classe simples de modelos - o modelo de regressão linear - e tentará prever os preços das moradias. Ao final do capítulo, você saberá como carregar e manipular dados, construir funções de perda, realizar minimização, fazer previsões e reduzir o uso de recursos com treinamento em lote.
Dados de entrada50 xpCarregar dados usando pandas100 xpDefinir o tipo de dados100 xpFunções de perda50 xpFunções de perda no TensorFlow100 xpModificação da função de perda100 xpRegressão linear50 xpConfigure uma regressão linear100 xpTreinar um modelo linear100 xpRegressão linear múltipla100 xpTreinamento em lote50 xpPreparando-se para o treinamento em lote100 xpTreinamento de um modelo linear em lotes100 xp - 3
Redes neurais
Os capítulos anteriores ensinaram a você como criar modelos no TensorFlow 2. Neste capítulo, você aplicará essas mesmas ferramentas para criar, treinar e fazer previsões com redes neurais. Você aprenderá a definir camadas densas, aplicar funções de ativação, selecionar um otimizador e aplicar regularização para reduzir o excesso de ajuste. Você aproveitará a flexibilidade do TensorFlow usando álgebra linear de baixo nível e operações de alto nível do Keras API para definir e treinar modelos.
Camadas densas50 xpA álgebra linear de camadas densas100 xpA abordagem de baixo nível com vários exemplos100 xpUsando a operação de camada densa100 xpFunções de ativação50 xpProblemas de classificação binária100 xpProblemas de classificação multiclasse100 xpOtimizadores50 xpOs perigos dos mínimos locais100 xpEvitar mínimos locais100 xpTreinamento de uma rede no TensorFlow50 xpInicialização no TensorFlow100 xpDefinição do modelo e da função de perda100 xpTreinamento de redes neurais com o TensorFlow100 xp - 4
Alto nível APIs
No capítulo final, você usará APIs de alto nível no TensorFlow 2 para treinar um classificador de letras da língua de sinais. Você usará o Keras APIsequencial e funcional para treinar, validar, fazer previsões e avaliar modelos. Você também aprenderá a usar o Estimators API para simplificar o processo de definição e treinamento de modelos e evitar erros.
Definição de redes neurais com o Keras50 xpO modelo sequencial no Keras100 xpCompilação de um modelo sequencial100 xpDefinição de um modelo de múltiplas entradas100 xpTreinamento e validação com o Keras50 xpTreinamento com o Keras100 xpMétricas e validação com o Keras100 xpDetecção de sobreajuste100 xpAvaliação de modelos100 xpModelos de treinamento com os Estimadores API50 xpPreparando-se para treinar com os Estimadores100 xpDefinição de estimadores100 xpParabéns!50 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-learnIsaiah Hull
Ver Mais
Economist
O que os outros alunos têm a dizer?
Junte-se a mais de 14 milhões de alunos e comece Introdução ao TensorFlow 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.