Descrição do Curso
As redes neurais tornaram-se parte integrante do aprendizado de máquina e podem ser usadas em uma variedade de aplicações, desde o processamento de imagens até o processamento de linguagem natural. Nestas lições, você aprenderá sobre os conceitos fundamentais das redes neurais, incluindo Redes Neurais Artificiais (RNAs) e o método dos mínimos quadrados. Explorará como criar uma ANN usando o TensorFlow e como usar o método dos mínimos quadrados para otimizar seu desempenho.
Mais adiante, você se aprofundará nas Redes Neurais Convolucionais (CNNs), um tipo de rede neural comumente usado no processamento de imagens. Aprenderá sobre as diferentes camadas usadas em uma CNN, como a camada convolucional, a camada de pooling e a camada de nivelamento, e seus principais usos no processamento de imagens. Também descobrirá as diferentes aplicações das CNNs, como o reconhecimento de imagens e a deteção de objectos.
De um modo geral, obterá uma compreensão fundamental dos diferentes conceitos e técnicas utilizados na construção de redes neurais e as competências necessárias para os aplicar nos seus projectos.
O Que Você Vai Aprender
- Compreender os conceitos fundamentais de redes neurais, incluindo Redes Neurais Artificiais (ANNs) e o método dos Mínimos Quadrados
- Construir uma Rede Neural Artificial (ANN) usando TensorFlow
- Aplicar o método dos Mínimos Quadrados para otimizar o desempenho de uma ANN
- Explorar Redes Neurais Convolucionais (CNNs) e as camadas usadas nelas, incluindo as camadas Convolucional, Pooling e Flatten
- Identificar aplicações de CNNs, como reconhecimento de imagem e detecção de objetos
Principais Conclusões
- Redes neurais são uma parte integral do aprendizado de máquina e podem ser usadas em aplicações que vão desde processamento de imagem até processamento de linguagem natural.
- Redes Neurais Artificiais (ANNs) podem ser construídas usando TensorFlow, e o método dos Mínimos Quadrados pode ser usado para otimizar seu desempenho.
- Redes Neurais Convolucionais (CNNs) são um tipo de rede neural comumente usado em processamento de imagem.
- Uma CNN usa diferentes camadas, incluindo a camada Convolucional, camada Pooling e camada Flatten, cada uma com um uso principal em processamento de imagem.
- CNNs têm aplicações como reconhecimento de imagem e detecção de objetos.
Perguntas Frequentes
O que vou aprender neste curso?
Você aprenderá os conceitos fundamentais de redes neurais, incluindo Redes Neurais Artificiais (ANNs) e o método dos Mínimos Quadrados, como construir uma ANN usando TensorFlow, como otimizar seu desempenho com o método dos Mínimos Quadrados, e os fundamentos das Redes Neurais Convolucionais (CNNs) usadas em processamento de imagem.
Este curso é apropriado para iniciantes?
Sim. O curso fornece uma compreensão fundamental dos diferentes conceitos e técnicas usados na construção de redes neurais e as habilidades necessárias para aplicá-los em seus projetos.
O que são Redes Neurais Convolucionais (CNNs) abordadas neste curso?
CNNs são um tipo de rede neural comumente usado em processamento de imagem. O curso cobre as diferentes camadas usadas em uma CNN, como a camada Convolucional, camada Pooling e camada Flatten, e aplicações como reconhecimento de imagem e detecção de objetos.
Quais tópicos as lições cobrem?
As lições cobrem Tipos de Modelos, Redes Neurais Artificiais e Redes Neurais Convolucionais.
Quais habilidades vou ganhar com este curso?
Você construirá habilidades em Redes Neurais Artificiais, Aprendizado Profundo, Métodos de Aprendizado Profundo, Imagenet, Engenharia Neural e TensorFlow.
