Dominará as ferramentas mais inovadoras do Deep Learning, como o TensorFlow, para enriquecer os seus projectos graças a este Curso”

Graças à constante evolução tecnológica impulsionada pela Indústria 4.0, a Inteligência Artificial está a impactar todos os setores para melhorar a qualidade de vida da população. Neste sentido, os especialistas utilizam os mecanismos do Deep Learning para desenhar novos medicamentos, otimizar o consumo de energia e até adaptar os conteúdos educativos dos alunos às suas necessidades específicas. No entanto, esta disciplina exige que os profissionais atualizem frequentemente os seus conhecimentos para incorporar as técnicas mais avançadas na sua prática diária. Além disso, é essencial que adquiram novas competências para o correto manuseamento das tecnologias emergentes.

Por isso, a TECH lança um revolucionário Curso em Deep Learning que aprofundará todos os avanços que ocorreram nesta área e proporcionará aos alunos um vasto conjunto de recursos para otimizar os seus projetos profissionais. O plano de estudos irá aprofundar a construção de Redes Neuronais, de modo a que os estudantes resolvam uma pluralidade de problemas complexos em áreas como a visão por computador ou o processamento de linguagem natural. Em sintonia, o plano de estudos investigará conceitos fundamentais como a regressão linear, perceptron, loss function, regularização e normalização. Adicionalmente, os materiais didáticos oferecerão ferramentas avançadas destinadas à visualização de resultados. Deste modo, os alunos otimizarão o desempenho dos modelos de aprendizagem automática.

Quanto à metodologia do Curso, a TECH utiliza o seu revolucionário método de ensino do Relearning. Através da repetição gradual dos conceitos fundamentais, os alunos consolidarão todos os conhecimentos de forma natural. Assim, não terão de recorrer a técnicas que envolvem um esforço extra, como a memorização. Neste sentido, o único requisito para os estudantes acederem ao Campus Virtual é um dispositivo electrónico com acesso à Internet (podendo ser o seu próprio smartphone, computador ou Tablet).

Empregará a Confusion Matrix para obter uma visão detalhada do desempenho do modelo e identificar áreas de melhoria para a sua optimização”

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

• O desenvolvimento de estudos de casos apresentados por especialistas em deep learning
• Os conteúdos gráficos, esquemáticos e eminentemente práticos com os quais o curso foi concebido reúnem informação científica e prática sobre as disciplinas indispensáveis para o exercício profissional
• Os exercícios práticos onde o processo de autoavaliação pode ser efetuado a fim de melhorar a aprendizagem
• O seu foco especial em metodologias inovadoras
• As aulas teóricas, perguntas ao especialista, fóruns de discussão sobre questões controversas e atividades de reflexão individual
• A disponibilidade de acesso aos conteúdos a partir de qualquer dispositivo fixo ou portátil com conexão à Internet

Aprofundará nas métricas de avaliação das Redes Neuronais para avaliar o seu desempenho e verificar se realizam as suas tarefas com eficiência”

O Curso inclui, no seu corpo docente, profissionais do setor que partilham nesta qualificação a experiência do seu trabalho, além de reconhecidos especialistas de empresas de referência e universidades de prestígio.

O seu conteúdo multimédia, desenvolvido com a mais recente tecnologia educativa, permitirá ao profissional uma aprendizagem situada e contextual, ou seja, um ambiente simulado que proporcionará uma formação imersiva programada para treinar-se em situações reais.

O design deste Curso foca-se na Aprendizagem Baseada em Problemas, através da qual o profissional deverá tentar resolver as diferentes situações da atividade profissional que surgem ao longo do Curso. Para tal, contará com a ajuda de um sistema inovador de vídeo interativo desenvolvido por especialistas reconhecidos.

Procura renovar o seu saber no campo do Machine Learning? Com este Curso, manter-se-á na vanguarda do mesmo em apenas 6 semanas”

Posicionar-se-á no mercado de trabalho graças a esta certificação universitária 100% online, que se adapta às suas necessidades e oferece-lhe uma aprendizagem sólida”

Graças a este Curso, os estudantes adquirirão uma visão integral sobre o Deep Learning, uma das áreas mais importantes da Inteligência Artificial. O plano de estudos analisará minuciosamente o uso das Redes Neurais, abordando processos como o Forward Propagation e as 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 conteúdo programático oferecerá as chaves para que os estudantes utilizem corretamente ferramentas como Caffe, Keras ou Pytorch, destinadas ao treinamento de modelos de aprendizado profundo.

Implementará em sua prática diária as ferramentas mais inovadoras do Machine Learning, desenvolvendo algoritmos para oferecer 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. Confusion matrix
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 treinamento

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 dos resultados

Exercícios práticos baseados em casos reais e vídeos pormenorizados elaborados pelos próprios professores serão a chave do seu sucesso neste Curso”