Começando pela história do machine learning, vamos discutir por que as redes neurais hoje funcionam com vários problemas de ciência de dados. Depois vamos definir um problema de aprendizado supervisionado e descobrir uma boa solução usando o gradiente descendente. Isso envolve criar conjuntos de dados que permitem generalização. Vamos falar sobre os métodos que devemos usar para fazer isso de modo repetível e que viabilize a experimentação. Objetivos do curso: Identificar por que o aprendizado profundo é comum atualmente Otimizar e avaliar os modelos usando funções de perda e métricas de desempenho Mitigar problemas comuns que surgem no machine learning Criar conjuntos de dados de treinamento, avaliação e teste repetíveis e escalonáveis