Listas Parte II

Listas Parte II

Pré-visualização indisponível

Você precisa fazer login ou se inscrever para ver esta lição.

EntrarInscrever-se

Deep Learning de A-Z: Redes Neurais Artificiais na Prática

Comprar agoraSaiba mais

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