O aprendizado profundo permite que os computadores extraiam e transformem dados usando várias camadas de redes neurais. Ele pode permitir que os computadores façam coisas poderosas, como reconhecimento de fala e classificação de imagens.
Algumas pessoas pensam que você precisa saber matemática avançada e ter acesso a computadores poderosos para fazer um aprendizado profundo. Essas pessoas estão erradas. Contanto que você seja aprovado em matemática no ensino médio, saiba o básico de codificação e tenha um computador conectado à internet, você aprenderá a ter um aprendizado profundo de nível mundial.
Lançamos um curso de aprendizado profundo de 15 horas no canal freeCodeCamp.org do YouTube. Ele foi criado para tornar o aprendizado profundo acessível ao maior número de pessoas possível.
O curso é de fast.ai e foi desenvolvido por Jeremy Howard e Sylvain Gugger. Jeremy usa e ensina aprendizado de máquina há cerca de 30 anos. Ele é o ex-presidente e cientista-chefe da Kaggle, a maior comunidade de aprendizado de máquina do mundo. Sylvain Gugger é um pesquisador que escreveu 10 livros didáticos de matemática.
Além disso, o curso inclui um livro gratuito sobre aprendizagem profunda, que também está disponível para compra na O’Rielly. O livro é um dos livros de aprendizado profundo mais vendidos na Amazon.
Depois de terminar este curso você saberá:
- Como treinar modelos que alcançam resultados de última geração em visão computacional, processamento de linguagem natural (PNL), dados tabulares e filtragem colaborativa
- Como transformar seus modelos em aplicativos da web e implantá-los
- Por que e como os modelos de aprendizado profundo funcionam e como usar esse conhecimento para melhorar a precisão, velocidade e confiabilidade de seus modelos
- As mais recentes técnicas de aprendizado profundo que realmente importam na prática
- Como implementar a descida gradiente estocástica e um loop de treinamento completo do zero
- Como pensar sobre as implicações éticas de seu trabalho, para ajudar a garantir que você esteja tornando o mundo um lugar melhor e que seu trabalho não seja mal utilizado para causar danos
Aqui estão algumas das técnicas abordadas neste curso:
- Florestas aleatórias e aumento de gradiente
- Funções afins e não linearidades
- Parâmetros e ativações
- Inicialização aleatória e aprendizagem de transferência
- SGD, Momentum, Adam e outros otimizadores
- Convoluções
- Normalização em lote
- Cair fora
- Aumento de dados
- Queda de peso
- Classificação e regressão de imagens
- Embeddings de entidades e palavras
- Redes neurais recorrentes (RNNs)
- Segmentação
- E muito mais
Veja o curso completo no canal freeCodeCamp.org no YouTube (Relógio de 15 horas).