Você verá como trabalhar com imagens, o que são convoluções, max pooling, image augmentation, dropout, Transfer Learning, NLP, tokenização, embeddings de palavras, RNNs, LSTMs e muito mais.
Habilidades aprendidas
1 - O que é Deep Learning?
2 - TensorFlow e Colab
3 - Revisão de Python no Colab
4 - A “lógica” do Machine Learning
5 - Conversão de Celsius em Fahrenheit
6 - As camadas “densas”
7 - Redes neurais profundas
8 - Trabalhando com imagens
9 - Classificador de imagem
10 - O que são convoluções?
11 - Max Pooling
12 - Classificador de imagem com CNNs
13 - Imagens coloridas
14 - Gatos e cachorros
15 - Classificador de imagens coloridas
16 - Conjunto de validação
17 - Image Augmentation e Dropout
18 - Gatos e cachorros com melhorias
19 - O que é Transfer Learning?
20 - TensorFlow Hub
21 - Gatos e cachorros com TL
22 - O que é NLP?
23 - Tokenização e texto para sequências
24 - Preparação de textos
25 - Tokenização de datasets grandes
26 - Embeddings de palavras
27 - Modelo de análise de sentimentos
28 - Ajustando o modelo
29 - O que são subpalavras?
30 - Utilizando subpalavras
31 - O que são as RNNs?
32 - Introdução às LSTMs
33 - Construindo uma rede LSTM
34 - Geração de textos
35 - Modelo de geração de textos
36 - Otimizando o modelo
37 - Gravação e carregamento de modelos
38 - Gravando modelos
39 - Carregando modelos
CAUÊ ENGELMANN
Cauê Engelmann é graduado em Ciência e Tecnologia com MBA em Inteligência Artificial e Machine Learning, possui experiência na área de tecnologia e atuação no mercado nas áreas de suprimentos, logística, automação de processos e analytics.