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.
Objetivos do curso:
Identificar por que o aprendizado profundo é mais usado hoje em dia
Otimizar e avaliar modelos usando funções de perda e métricas de desempenho
Reduzir problemas comuns que surgem no aprendizado de máquina
Criar conjuntos de dados de treinamento, avaliação e testes que podem ser repetidos e escalonáveis
Этот курс входит в специализацию ''Специализация Machine Learning with TensorFlow on Google Cloud Platform em Português Brasileiro'
Launching into Machine Learning em Português Brasileiro
от партнера
Программа курса: что вы изучите
Неделя
14 минуты на завершение
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.
1 видео ((всего 4 мин.))
1 видео
Introdução4мин
1 ч. на завершение
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.
10 видео ((всего 62 мин.)), 1 тест
10 видео
Introdução1мин
Aprendizado supervisionado5мин
Regressão e classificação11мин
Breve histórico do aprendizado de máquina: regressão linear7мин
Breve histórico do aprendizado de máquina: perceptron5мин
Breve histórico do aprendizado de máquina: redes neurais7мин
Breve histórico do aprendizado de máquina: árvores de decisão5мин
Breve histórico do aprendizado de máquina: métodos de kernel4мин
Breve histórico do aprendizado de máquina: florestas aleatórias4мин
Breve histórico do aprendizado de máquina: redes neurais modernas8мин
1 практическое упражнение
Questionário do módulo6мин
1 ч. на завершение
Otimização
Neste módulo, mostraremos a você como otimizar seus modelos de aprendizado de máquina.
13 видео ((всего 61 мин.)), 1 тест
13 видео
Como definir modelos de aprendizado de máquina4мин
Introdução ao conjunto de dados de natalidade6мин
Apresentação das funções de perda6мин
Gradiente descendente5мин
Solução de problemas de uma curva de perda2мин
Dificuldades do modelo de aprendizado de máquina6мин
Laboratório: introdução ao TensorFlow Playground6мин
Laboratório: introdução ao TensorFlow Playground (nível avançado)3мин
Laboratório: práticas com redes neurais6мин
Solução de problemas de curva de perda1мин
Métricas de desempenho3мин
Matriz de confusão5мин
1 практическое упражнение
Questionário do módulo6мин
3 ч. на завершение
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.
9 видео ((всего 64 мин.)), 3 тестов
9 видео
Introdução1мин
Generalização e modelos de aprendizado de máquina6мин
Quando interromper o treinamento de um modelo?5мин
Como criar amostras repetíveis no BigQuery6мин
Demonstração: divisão de conjuntos de dados no BigQuery8мин
Introdução ao laboratório1мин
Explicação da solução do laboratório9мин
Introdução ao laboratório2мин
Explicação da solução do laboratório23мин
1 практическое упражнение
Questionário do módulo12мин
4.6
Рецензии: 4Лучшие рецензии
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!
Curso excelente, com uma abordagem prática que ajuda a diminuir a complexidade da teoria.
О 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.
О специализации ''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 <<<
Часто задаваемые вопросы
Можно ли ознакомиться с курсом до регистрации?
Да, до регистрации можно просмотреть первое видео и программу курса. Чтобы получить полный доступ к материалам курса, необходимо оплатить его.
Когда я получу доступ к лекциям и заданиям?
Регистрируясь на курс до начала сессии, вы получаете доступ ко всем видеолекциям и материалам для самостоятельного изучения. Задания можно отправлять после начала сессии.
Что я получу, зарегистрировавшись на курс?
После регистрации на курс и начала сессии вы получаете доступ ко всем видео и другим ресурсам курса, включая материалы для самостоятельного изучения и форумы обсуждений. Вы сможете выполнять тренировочные, а также сдавать обязательные оцениваемые задания и получить сертификат о прохождении курса.
Когда я получу сертификат о прохождении курса?
Если вы успешного пройдете курс, на странице ваших достижений появится электронный сертификат, который можно распечатать или прикрепить к профилю LinkedIn.
Почему я не могу прослушать этот курс?
Это один из немногих курсов на Coursera, которые предоставляются только на платной основе.
Какие правила возврата средств?
Можно ли получить финансовую помощь?
Остались вопросы? Посетите Центр поддержки учащихся.
Coursera делает лучшее в мире образование доступным каждому, предлагая онлайн-курсы от ведущих университетов и организаций.
© Coursera Inc., 2019 Все права защищены.
