formação_

Formação Machine Learning Avançada

Aprofunde seus conhecimentos em Machine Learning!

Esta formação faz parte dos nossos cursos de Data Science

100h

Para conclusão

Cursos

Vídeos extras

Podcasts

Artigo

Assista o vídeo

veja nossa apresentação da Formação e uma Alura Live sobre a Carreira em Front-end

Machine 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

Professores especializados Data Science

Com quem você vai aprender

Allan Segovia Spadini
Allan possui doutorado em Geofísica pela USP. Fez pesquisa envolvendo métodos sísmicos com técnicas de regressão. Atualmente é instrutor da Alura.
Allan Segovia Spadini
Allan possui doutorado em Geofísica pela USP. Fez pesquisa envolvendo métodos sísmicos com técnicas de regressão. Atualmente é instrutor da Alura.
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.
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.
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.
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.

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: Introdução com Keras
  05h
- Curso Deep Learning parte 2: Como a rede aprende
  06h
- Podcast Nvidia, GPUs, Games e Deep Learning – Hipsters #204
- Curso Deep Learning: Previsão com Keras
  10h
- Alura+ Machine Learning: O que é Overfit?
- Curso Regressão: Implemente uma rede neural com numpy
  07h
- 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: Introdução a NLP com análise de sentimento
  06h
- Curso Linguagem Natural parte 2: Continuando com a análise de sentimento
  04h
- Podcast NLP, Inteligência Artificial e o futuro - Hipsters Ponto Tech #217 - Hipsters Ponto TechHipsters Ponto Tech
- Curso NLP: Introdução a regex e modelos de linguagem
  12h
- Curso Word2Vec: interpretação da linguagem humana com Word embedding
  10h
- Curso Word2Vec: Treinamento de Word Embedding
  10h
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
- Curso Análise e Classificação de Faces: Visão Computacional com OpenCV
  10h