Você dominará as ferramentas mais inovadoras de Deep Learning, como o TensorFlow, para enriquecer seus projetos com este Curso"

Graças à constante evolução tecnológica impulsionada pela Indústria 4.0, a Inteligência Artificial está impactando todos os setores para melhorar a qualidade de vida dos cidadãos.  Neste sentido, os especialistas utilizam os mecanismos de Deep Learning para projetar novos medicamentos, otimizar o consumo de energia e até adaptar os conteúdos educacionais dos alunos conforme suas necessidades específicas. No entanto, essa disciplina requer que os profissionais atualizem frequentemente seus conhecimentos para incorporar as técnicas mais avançadas em sua prática diária. Além disso, é essencial que adquiram novas habilidades para o correto manejo das tecnologias emergentes.  

Por isso, a TECH está lançando um revolucionário Curso de Deep Learning, que explorará todos os avanços nesta área e proporcionaá aos alunos uma ampla variedade de recursos para otimizar seus projetos profissionais.  O plano de estudos irá explorar a construção de Redes Neurais, permitindo que os graduados resolvam uma variedade de problemas complexos em áreas como a visão computacional e o processamento de linguagem natural.  Além disso, o programa abordará conceitos fundamentais como a regressão linear, a perceptron, a função de perda, a regularização e a normalização.  Os materiais didáticos oferecerão ferramentas avançadas para visualização de resultados,  permitindo que os graduados melhorem o desempenho de modelos de aprendizado de máquina.  

Quanto à metodologia do programa, a TECH utiliza seu inovador método de ensino Relearning.  Através da repetição gradual dos conceitos fundamentais, os alunos irão consolidar todo o conhecimento de forma natural,  sem precisar recorrer a técnicas que demandam esforço extra, como a memorização. Para acessar o Campus Virtual, os estudantes só precisarão de um dispositivo eletrônico com acesso à Internet (como seu próprio smartphone, computador ou Tablet). 

Você usará a Confusion Matrix para obter uma visão detalhada do desempenho do modelo, identificando áreas de melhoria para sua otimização"

Este Curso de Deep Learning conta com o conteúdo mais completo e atualizado do mercado. Suas principais características são:

• O desenvolvimento de casos práticos apresentados por especialistas em Deep Learning
• O conteúdo gráfico, esquemático e eminentemente prático oferece informações científicas e práticas sobre as disciplinas que são essenciais para a prática profissional
• Contém exercícios práticos em que o processo de autoavaliação é realizado para melhorar o aprendizado
• Destaque especial para as metodologias inovadoras 
• Aulas teóricas, perguntas a especialistas, fóruns de discussão sobre temas controversos e trabalhos de reflexão individual
• Disponibilidade de acesso a todo o conteúdo a partir de qualquer dispositivo, fixo ou portátil, com conexão à Internet

Você se aprofundará nas métricas de avaliação das Redes Neurais para avaliar seu desempenho e verificar a eficiência com que realizam suas tarefas"

O corpo docente do curso conta com profissionais do setor, que transferem toda a experiência adquirida ao longo de suas carreiras para esta capacitação, além de especialistas reconhecidos de instituições de referência e universidades de prestígio.

O conteúdo multimídia, desenvolvido com a mais recente tecnologia educacional, permitirá ao profissional uma aprendizagem contextualizada, ou seja, realizada através de um ambiente simulado, proporcionando uma capacitação imersiva e programada para praticar diante de situações reais.

A estrutura deste programa se concentra na Aprendizagem Baseada em Problemas, através da qual o profissional deverá resolver as diferentes situações de prática profissional que surgirem ao longo do curso acadêmico. Para isso, contará com a ajuda de um inovador sistema de vídeo interativo realizado por especialistas reconhecidos.  

Você deseja renovar seus conhecimentos na área do aprendizado de máquina? Com este programa, você se manterá na liderança em apenas 6 semanas"

Você se posicionará no mercado profissional com este programa 100% online, que se adapta às suas necessidades e proporciona uma sólida experiência de aprendizagem"

Com este Curso, os graduados adquirirão uma visão abrangente sobre o Deep Learning, uma das áreas mais importantes da Inteligência Artificial. O plano de estudos analisará detalhadamente o uso de Redes Neurais, abordando processos como a propagação direta (Forward propagation) e funções de ativação. Os alunos serão capazes de calcular as saídas dos sistemas a partir das entradas fornecidas, introduzindo não linearidades no modelo.  Além disso, o programa oferecerá as principais chaves para que os alunos dominem corretamente ferramentas como Caffe, Keras ou Pytorch, utilizadas para treinar modelos de aprendizado profundo. 

Você implementará as ferramentas mais inovadoras de Machine Learning em sua prática diária, desenvolvendo algoritmos para fornecer recomendações personalizadas"

Módulo 1. Deep Learning

1.1. Inteligência artificial

1.1.1. Machine learning
1.1.2. Deep learning
1.1.3. A explosão do  Deep Learning. Por que agora

1.2. Redes Neurais

1.2.1. A rede neural
1.2.2. Usos das redes neurais
1.2.3. Regressão linear e Perceptron
1.2.4. Forward propagation
1.2.5. Backpropagation
1.2.6. Feature vectors

1.3. Loss Functions

1.3.1. Loss function
1.3.2. Tipos de loss functions
1.3.3. Escolha da loss function

1.4. Funções de ativação

1.4.1. Funções de ativação
1.4.2. Funções lineares
1.4.3. Funções não lineares
1.4.4. Output vs Hidden layer activation functions

1.5. Regularização e normalização

1.5.1. Regularização e normalização
1.5.2. Overfitting and Data Augmentation
1.5.3. Regularization methods: L1, L2 and dropout
1.5.4. Normalization methods: Batch, Weight, Layer

1.6. Otimização

1.6.1. Gradient Descent
1.6.2. Stochastic Gradient Descent
1.6.3. Mini Batch Gradient Descent
1.6.4. Momentum
1.6.5. Adam

1.7. Hyperparameter Tuning e Pesos

1.7.1. Os hiperparâmetros
1.7.2. Batch Size vs Learning Rate vs Step Decay
1.7.3. Pesos

1.8. Métricas de avaliação de uma rede neural

1.8.1. Accuracy
1.8.2. Dice coefficient
1.8.3. Sensitivity vs Specificity / Recall vs precision
1.8.4. Curva ROC (AUC)
1.8.5. F1-score
1.8.6. Matriz de confusão
1.8.7. Cross-validation

1.9. Frameworks e Hardware

1.9.1. Tensor Flow
1.9.2. Pytorch
1.9.3. Caffe
1.9.4. Keras
1.9.5. Hardware para a fase de treino

1.10. Criação de uma rede neural. Treinamento e validação

1.10.1. Dataset
1.10.2. Construção da rede
1.10.3. Treinamento
1.10.4. Visualização de resultados

Exercícios práticos baseados em casos reais e vídeos detalhados elaborados pelos próprios professores serão a solução para o seu sucesso neste curso"