Formação Completa Inteligência Artificial e Machine Learning

Atualizado em 2024, o mais completo e abrangente curso de Inteligência Artificial e Machine Learning com Python!

What you'll learn:

• Aprenda Diversas Téncnicas de Detecção de Anomalias
• Construa Sistemas Baseados em Regras com Lógica Difusa
• Implemente Algoritmos de Busca e Otimização
• Resolva Problemas de Otimização com Algoritmos Genéticos
• Classifique Documentos com Processamento de Linguagem Natural
• Reconheça Caracteres com Redes Neurais Artificias e Deep Learning
• Crie Modelos de Analises Preditivas, Agrupamentos e Associadores com Machine Learning
• Modelo mecanismos de analise de emoções
• Crie Aplicações Web de Inteligência Artificial
• Conheça Modelos com GPT-3 e DALL-E
• Desenvolva Projetos de Redes Neurais Convolucionais (CNN) e Redes Neurais Recorretes (LSTM)

Atualizado em 2024 !

A Inteligência Artificial esta mudando o mundo como conhecemos, e consequentemente criando oportunidades de negócio e milhares de oportunidades no mercado de trabalho! Não fique de fora, conheça o mais completo e abrangente curso em Inteligência Artificial, que alia teoria e prática, e que vai levar você a um outro nível de conhecimento, com capacidade de implementar programas para tornar computadores inteligentes.

Ocurso é composto de:

• Mais de 150 aulas!

• Mais de 60 Implementação Práticas com Python com código fonte para baixar

• Questões de fixação

• Atividades Práticas

• Além do código fonte, slides do curso disponíveis para download

Veja o que você vai estudar:

• Fundamentos de Machine Learning: Tipos e Aplicações, Avaliação de Performance, Clusters, Regras de Associação

• Algoritmos de Machine Learning: Correlação e Regressão, Naive Bayes, Redes Bayesianas, Árvores de Decisão, Aprendizado Baseado em Grupos, Aprendizado Baseado em Instâncias, Vizinho Mais Próximo, K-means, Apriori

• Tópicos Avançados em Machine Learning: Engenharia de Atributos, PCA, Seleção de Atributos, Técnicas Avançadas de Clusters, Classificação Multi Label, Datasets Desbalanceados, AutoML e Tunning de Modelos

• Redes Neurais, Deep Learning e Visão Computacional: Fundamentos de Redes Neurais, Perceptron,Deep Learning, Hiper Parâmetros, Redes Neurais Convolucionais (CNN), Redes Neurais Recorrentes (LSTM), Autoencoders

• Machine Learning Explicável: Conceitos, Modelos White-box, Modelos Black-box, Feature Importance, LIME, Eli5, Shap, Interpret

• Processamento de Linguagem Natural (NLP) e LLM: Corpus, Tokens, Annotations, Tokenization, Parts-of-Speech Tagging (POS), Lemmatizing (Lemma), Dependency Parsing, LLM, Huggin Face, Open AI e GPT, Fine Tunning

• Geração de Imagens e Transcrição de Audio: DALL-E e Whisper

• Detecção de Anomalias: Técnicas Estatísticas: z-score, IQR, Machine Learning isolation forest, lof, Deep Learning: autoencoders, lstm, Seasonal and Trend Decomposition (std), Time Series: arima, media móvel , exponencial smoothing

• Algoritmos Genéticos: Evolução Biológica, Fundamentos de AG, Técnicas, Busca e Otimização, Fundamentos, Hill Climbing, BFS e DFS, Tabu Search, Simulated Annealing

• Algoritmos de Busca e Otimização: Hill Climbing, BFS, DFS, Caminhos, Tabu Search e Simulated Annealing

• Lógica Difusa: Conjuntos Difusos, Inferência, Variáveis Linguísticas

  
  

Bons estudos!