1. Introdução

• O que você vai estudar

• O que é Aprendizado Profundo?4

• Material para Download

• Escolhendo o Ambiente para Fazer o Curso

• Códigos Fontes para Jupyter (Notebooks)

• Comandos da Próxima Aula3

• Configuração do Ambiente para usar Anaconda com Spyder ou Jupyter3

2. Fundamentos de Machine Learning (Opcional)

• Material para Download8

• Introdução

• Introdução (Continuação)

• Classificação

• Regressão

• Agrupamentos2

• Sistemas de Recomendação

• Regressão Linear

• Regressão Logística

• Categorical Encoding

• Feature Scalling

3. Pré-Processamento de Dados

• Material para Download

• Passo 12

• Passo 23

• Passo 3

• Passo 42

• Passo 55

4. Um Modelo de Classificação

• Material para Download

• Passo 1

• Passo 2

• Passo 31

5. Redes Neurais Artificiais

• Plano de Ataque

• Download.zip

• Links de Referência desta Seção

• O Neurônio1

• Função de Ativação

• Como Funciona uma Rede Neural Artificial

• Como as Redes Neurais Aprendem?

• Gradient Descent1

• Stochastic Gradient Descent

• Backpropagation

6. Construindo Redes Neurais Artificias

• Material para Download

• Passo 1

• Passo 2

• Passo 34

• Passo 412

7. Redes Neurais Convolucionais

• Plano de Ataque

• Material para Download

• Links e Referências desta Seção

• Convolutional Neural Networks4

• Convolutions

• Relu

• Max Pooling

• Flattening

• Full Connection

• Sumário

8. Construindo Redes Neurais Convolucionais

• Material para Download

• Passo 1

• Passo 2

• Passo 3

• Passo 4

• Passo 5

• Passo 6

• Passo 7

• Passo 85

• Passo 914

9. Redes Neurais Recorrentes

• Plano de Ataque

• Material para Download

• Links e Referências desta Seção

• Recurrent Neural Network

• Vanishing Gradient

• Long Short-Term Memory

• LSTM: Intuição Prática

• Variações de LSTM

10. Construindo Redes Neurais Recorrentes

• Material para Download

• Passo 1

• Passo 2

• Passo 3

• Passo 4

• Passo 5

• Passo 62

• Passo 71

11. Self Organizing Maps

• Plano de Ataque

• Material para Download

• Links e Referências desta Seção

• Como SOM funciona

• Revisando Kmeans2

• Como SOMs Aprendem

• Como SOMs Aprendem Parte II1

• Interpretando um SOM Avançado

• Kmeans: Armadilha da Inicialização aleatória

• Kmeans: Escolhendo numero certo de grupos

12. Construindo Self Organizing Maps

• Material para Download

• Passo 15

• Passo 2

• Passo 3

• Passo 41

13. Boltzmann Machines

• Plano de Ataque

• Material para Download

• Links e Referências desta Seção

• Boltzmann Machines

• Modelos Baseados em Energia

• Restricted Boltzmann Machines

• Constrastive Divergence

• Deep Belief Networks

• Deep BM

14. Construindo Boltzmann Machines

• Material para Download

• Passo 1

• Passo 2

• Passo 3

• Passo 4

• Passo 5

• Passo 6

• Passo 75

15. Autoencoders

• Plano de Ataque

• Material para Download

• Links e Referências desta Seção

• Autoencoders1

• Nota sobre Bias

• Treinando um Autoencoder

• Excesso de Camadas Ocultas

• Autoencoders Esparsos

• Denoising

• Contractive Autoencoders

• Stacked Autoencoders

• Deep Autoencoders1

16. Construindo Autoencoders

• Material para Download

• Passo 1

• Passo 2

• Passo 3

• Passo 4

• Passo 52

17. Fundamentos de Python (Opcional)

• Introdução

• Ambiente

• Variáveis e Objetos

• Variáveis e Objetos Parte II

• Estrutura de Decisão2

• Estruturas de Decisão Parte II

• Estrutura de Repetição

• Estrutura de Repetição Parte II

• Listas

• Listas Parte II

• Módulos e Pacotes

• Módulos e Pacotes Parte II

• Funções

• Funções Parte II

• Funções Padrão

• Funções Padrão Parte II

• Funções Padrão Parte III

18. Bônus: Simulando competição do Kaggle

• Material para Download

• Simulando competição do Kaggle