Formações Data Science Machine Learning Avançada
Formação Machine Learning Avançada
Aprofunde seus conhecimentos em Machine Learning!
* Esta formação faz parte dos nossos cursos de Data Science
Quero Estudar na Alura
86h
Para conclusão
10
Cursos
3
Vídeos extras
2
Podcasts
1
ArtigoMachine Learning Avançada
Inspirado na forma forma como aprendemos, através da capacidade humana de detectar diversos tipos de padrões, os cientistas ampliaram as áreas de atuação do Machine Learning. Inspirado muitas vezes pela forma como nos comunicamos, enxergamos e até mesmo como nossos neurônios reagem a um estímulo, floresce na inteligência artificial sub-áreas como Processamento de Linguagem Natural, Visão computacional, Deep Learning e tantas outros. Nesta formação vamos trabalhar esses tópicos, entendendo o que são estas áreas que vem se tornando destaques dentro das empresas.
Por que estudar Deep Learning, NLP e Visão Computacional?
Processamento de linguagem natural e Visão Computacional são áreas com grandes potenciais para exploração e desenvolvimento de aplicações reais. Um exemplo em NLP são os Chatbots cada vez mais "humanizados" que resolvem problemas sem intervenção humana, já na visão computacional temos modelos que analisam uma imagem, por exemplo uma radiografia e auxilia um médico na detecção de fraturas.
Esse mercado pulsante que utiliza tecnologias mais avançadas como NLP e Visão computacional, atingiu grau suficiente de qualidade, impulsionado pelo poder do Deep Learning. Esta técnica de aprendizado profundo que combina uma série de "neurônios" em camadas para solução de problemas complexos está abrindo portas e gerando uma ruptura na forma como resolvemos os grandes desafios no aprendizado de máquinas.
Nesta formação vamos iniciar nosso mergulho por estes tópicos que não param de crescer, vamos lá!
Por que estudar esta formação?
Guia de aprendizado
Conteúdos pensados para facilitar seu estudo
Do básico ao avançado
Formação completa para o mercado
Você dentro do mercado
Do zero ao sonhado emprego em sua área de interesse
Comece essa formação agora mesmo e capacite-se para seu próximo projeto!
Conheça os planos
Com quem você vai aprender?
Thiago G Santos
Um quase físico, apaixonado por dados e educação. Atuou durante alguns anos na área de Data Science na maior fabricante de eletrodomésticos do mundo e trabalhou em projetos de Processamento de Linguagem Natural para a Petrobrás. Atualmente dedica-se à aplicação de machine learning na área da educação e na democratização do acesso ao ensino de Data Science no Brasil.
-
Thiago G Santos
Um quase físico, apaixonado por dados e educação. Atuou durante alguns anos na área de Data Science na maior fabricante de eletrodomésticos do mundo e trabalhou em projetos de Processamento de Linguagem Natural para a Petrobrás. Atualmente dedica-se à aplicação de machine learning na área da educação e na democratização do acesso ao ensino de Data Science no Brasil.
Allan Segovia Spadini
Allan trabalha como instrutor de Ciência de dados na Alura desde 2019. Também é um dos autores do livro Séries temporais com Prophet pela Casa do Código.
-
Allan Segovia Spadini
Allan trabalha como instrutor de Ciência de dados na Alura desde 2019. Também é um dos autores do livro Séries temporais com Prophet pela Casa do Código.
Michel Fernandes
Gosto bastante de aprender a usar, em casos de uso reais, técnicas de aprendizado de máquina e visão computacional.Sou mestre em inteligência artificial com grande interesse na área médica, em especial no segmento de imagens de ressonância magnética. Também sou professor de visão computacional em pós-graduação.Atuo como gerente sênior de arquitetura e engenharia de aplicações em um laboratório de prática digital de inovação.
-
Michel Fernandes
Gosto bastante de aprender a usar, em casos de uso reais, técnicas de aprendizado de máquina e visão computacional.Sou mestre em inteligência artificial com grande interesse na área médica, em especial no segmento de imagens de ressonância magnética. Também sou professor de visão computacional em pós-graduação.Atuo como gerente sênior de arquitetura e engenharia de aplicações em um laboratório de prática digital de inovação.
Júlio Oliveira
Júlio é engenheiro especializado em Big Data Analytics. Atuou na indústria, marketing e mercado financeiro, aplicando tecnologia em combinação com soluções analíticas. Professor desde quando entendeu que aprende mais quem compartilha.
-
Júlio Oliveira
Júlio é engenheiro especializado em Big Data Analytics. Atuou na indústria, marketing e mercado financeiro, aplicando tecnologia em combinação com soluções analíticas. Professor desde quando entendeu que aprende mais quem compartilha.
Cássia Sampaio
Cássia é cientista de dados, instrutora e expert em Inteligência Artificial. Tem mestrado em Fundamentos da Matemática e há mais de 5 anos desenvolve projetos com IA. Participa ativamente da comunidade, fez parte do MIT Global Startup Labs, deu aula nas Pyladies SP e atuou como mentora em eventos como BlueHack, Women Techmakers Health Tech Weekend e AngelHack.
-
Cássia Sampaio
Cássia é cientista de dados, instrutora e expert em Inteligência Artificial. Tem mestrado em Fundamentos da Matemática e há mais de 5 anos desenvolve projetos com IA. Participa ativamente da comunidade, fez parte do MIT Global Startup Labs, deu aula nas Pyladies SP e atuou como mentora em eventos como BlueHack, Women Techmakers Health Tech Weekend e AngelHack.
Camila Laranjeira
Camila Laranjeira sempre foi uma apaixonada por tecnologia, por isso em 2014 fundou o canal Peixe Babel no YouTube, atualmente com 59 mil inscritos e mais de 1,8 milhão de visualizações, onde mostra que a tecnologia pode ser feita por todos e, principalmente, para todos. Atualmente é Mestre em Ciência da Computação pela UFMG, e segue rumo ao Doutorado!
-
Camila Laranjeira
Camila Laranjeira sempre foi uma apaixonada por tecnologia, por isso em 2014 fundou o canal Peixe Babel no YouTube, atualmente com 59 mil inscritos e mais de 1,8 milhão de visualizações, onde mostra que a tecnologia pode ser feita por todos e, principalmente, para todos. Atualmente é Mestre em Ciência da Computação pela UFMG, e segue rumo ao Doutorado!
Passo a passo
1 Deep Learning
Vamos iniciar nosso mergulho pelo famoso Deep Learning!
Neste passo vamos aprender o que é Deep Learning e implementar nossa própria Rede Neural usando o framework Keras e descobriremos como resolver problemas reais.
Então vamos nessa que estamos cheios de desafios neste oceano de conhecimento!
-
Alura+ Redes Neurais: Por que são tão poderosas?
-
Curso Deep Learning parte 1: Keras
05h - Aprenda conceitos essenciais de Deep Learning na prática.
- Construa e treine um modelo com Keras e Tensorflow.
- Saiba como selecionar as camadas de um modelo.
- Avalie a performance do modelo e melhore seus resultados.
- Aplique Deep Learning para classificar imagens.
-
Curso Deep Learning parte 2: como a rede aprende
06h - Comece a entender o que acontece por dentro de um modelo.
- Familiarize-se com conceitos de Deep Learning.
- Faça ajustes finos antes da etapa de treinamento do modelo.
- Entenda problemas comuns com pesos e vieses.
- Descubra como e porque há uma convergência do modelo.
-
Podcast Nvidia, GPUs, Games e Deep Learning – Hipsters #204
-
Curso Deep Learning: previsão com Keras
10h - Aprenda a usar o Keras
- Descubra as estruturas de dados para a previsão
- Aplique redes neurais para regressão
- Entenda o que são redes recorrentes
- Faça previsões com uma LSTM
-
Alura+ Machine Learning: O que é Overfit?
-
Alura+ Redes Neurais: Sensibilidade ao Overfit?
-
2 Processamento de Linguagem Natural
O Processamento de Linguagem Natural pode ser considerado um dos maiores desafios da computação. Contudo, ao aprender conceitos fundamentais, você poderá ver o quão útil a Linguagem Natural pode ser. Nesta parte, você realizará uma Análise de Sentimento de modo automatizado e conhecerá como criar visualizações para facilitar a análise de dados textuais.
Em seguida, você já poderá mergulhar em assuntos mais avançados, como por exemplo o desenvolvimento de representações de palavras que incorpore de alguma forma o contexto na qual são utilizadas.
E sabe o resultado de tudo isso? Você será capaz de criar aplicações que envolvam interpretação da linguagem humana!
-
Artigo PLN: O que é processamento de linguagem natural?
-
Curso Linguagem Natural parte 1: NLP com análise de sentimento
06h - Aprenda conceitos fundamentais do Processamento de Linguagem Natural.
- Realize Análise de Sentimento de modo automatizado.
- Uma arquitetura para classificação de sentimentos.
- Como criar visualizações para facilitar a análise de dados textuais.
- Comece a utilizar o NLTK uma das principais bibliotecas python para PLN.
- Aprenda boas práticas voltadas ao PLN.
-
Curso Linguagem Natural parte 2: continuando com a análise de sentimento
04h - Aprenda conceitos do Processamento de Linguagem Natural.
- Realize Análise de Sentimento de modo automatizado.
- Melhore os resultados de classificação normalizando os textos.
- Aprenda como usar TF-IDF e Ngrams para melhorar a classificação.
- Como a normalização dos textos melhora a visualização dos dados textuais.
- Avance na utilização da biblioteca NLTK.
- Aprenda a utilizar recursos do SKlearn para otimizar a classificação.
-
Podcast NLP, Inteligência Artificial e o futuro - Hipsters Ponto Tech #217 - Hipsters Ponto TechHipsters Ponto Tech
-
Curso NLP: regex e modelos de linguagem
12h - Avance nos estudos sobre Processamento de Linguagem Natural.
- Aprenda como as regex pode ajudar no tratamento de dados textuais.
- Entenda o que são o modelos de linguagem e suas aplicações
- Crie um modelo que detecta idiomas modo automatizado.
- Pratique bibliotecas python como NLTK e Scikit-Learn.
-
Curso Word2Vec: interpretação da linguagem humana com Word embedding
10h - Aprenda como representar palavras com One-hot encode, vantagens e desvantagens
- Entenda o que é Word2Vec e suas vantagens
- Use modelos de Word2Vec já treinados
- Compreenda os impactos dos vieses nos modelos de Word2Vec
- Combine vetores de palavras para representar textos e classificá-los
-
Curso Word2Vec: treinamento de Word Embedding
10h - Aprenda como usar Spacy no pré-processamento de dados textuais, suas vantagens e desvantagens
- Aprenda a configurar os Hiperparâmetros do modelo Word2Vec
- Treine o seu modelo Word2Vec, usando o Gensim
- Crie um classificador de texto usando o seu próprio modelo Word2Vec
- Disponibilize o seu modelo em uma aplicação web
-
3 Visão Computacional
Se Processamento de Linguagem Natural pode ser considerado um dos maiores desafios da computação, a Visão Computacional não está atrás e é tão desafiadora quanto.
Neste passo vamos iniciar nossos estudos em visão computacional, primeiro vamos utilizar modelos prontos da Azure, que pega uma imagem e a partir dela retorna diversas informações. Depois de entender alguns dos potenciais da visão computacional, avançaremos na manipulação e tratamento de imagens com o OpenCV e criar nossos próprios modelos.
E aí pronto para nosso último mergulho, nesta formação?
-
Curso Reconhecimento de imagens: Twitter e Computer Vision API
10h - Aprenda a conectar sua aplicação ao Twitter
- Entenda os conceitos da API do Twitter
- Aprenda a conectar sua aplicação a Azure Computer Vision API
- Aprenda a analisar imagens do Twitter automaticamente
- Aprenda a criar o seu banco de imagens personalizado
-
Curso Análise e Classificação de Faces: visão Computacional com OpenCV
10h - Seja capaz de extrair regiões de interesse de uma imagem.
- Normalize e pré-processe conjunto de dados de imagens.
- Construa classificadores para reconhecimento de faces.
- Valide a precisão do modelo construído para posterior aplicação em aplicações do mundo real.
- Extraia regiões do rosto humano baseado em marcos faciais.
- Crie aplicações que analise diferentes condições de cada componente do rosto humano.
-
Escola
Data Science
Além dessa, a categoria Data Science conta com cursos de Ciência de dados, BI, SQL e Banco de Dados, Excel, Machine Learning, NoSQL, Estatística,e mais...
Conheça a Escola
