-
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
Overview
Syllabus
-
- Introdução ao curso
- Neste curso, você vai aprender noções básicas de ML para entender a terminologia que usamos na especialização. Também vai ver as dificuldades e as dicas práticas de ML de profissionais do Google. Quando você terminar o curso, vai ter o código e o conhecimento necessários para criar seus modelos de ML.
- Melhoria da qualidade de dados e análise exploratória de dados
- Neste módulo, vamos apresentar uma introdução aos problemas de qualidade de dados e soluções para melhorá-los. Depois vamos estudar a análise exploratória de dados.
- ML na prática
- Neste módulo, vamos apresentar alguns dos principais tipos de machine learning e conhecer a história do ML até o estágio mais moderno para você acelerar sua evolução como profissional de ML.
- Otimização
- Neste módulo, mostraremos como otimizar seus modelos de ML.
- Generalização e amostras
- Agora é hora de responder a uma pergunta bastante estranha: quando o modelo de ML mais exato não é a opção ideal? Como sugerimos no último módulo sobre otimização, não é porque um modelo tem uma métrica de perda de 0 para seu conjunto de dados de treinamento, que ele vai ter um bom desempenho com dados novos reais. Você vai aprender a criar conjuntos de dados de treinamento, avaliação e teste repetíveis, além de estabelecer comparativos de desempenho.
- Resumo
