Inteligencia Artificial aplicada para Empresas e Negocios
What you’ll learn
Aplicação de algoritmos de Inteligência Artificial para resolver problemas de empresas como: Otimização de Processos, Minimização de Custos e Maximização de Lucros
Teoria sobre aprendizagem por reforço com os algoritmos Q-Learning, Deep Q-Learning e Thompson Sampling
Requirements
Lógica de programação, principalmente estruturas condicionais e de repetição
Programação básica em Python
Conhecimentos sobre instalação de softwares básicos, porém, durante o curso será mostrado o processo de instalação das ferramentas utilizadas
Noções de Orientação a Objetos, como: classes, objetos, atributos e métodos
Conhecimentos básicos sobre Redes Neurais Artificiais são desejáveis (no final do curso tem um anexo para revisar esse conteúdo)
Description
Com Inteligência Artificial, você pode desenvolver três projetos principais para qualquer negócio:Otimizar processos de negóciosMinimizar custosMaximizar receitasBaseado nessas necessidades, neste curso você aprenderá passo a passo como construir inteligências artificiais em três estudos de caso que envolvem cada uma dessas áreas! Com isso, teremos três partes neste curso:Na Parte 1 (Otimização de Processos de Negócios), vamos construir uma IA para otimização de fluxos em um armazém de comércio eletrônico usando o algoritmo Q-Learning da área da Aprendizagem por ReforçoNa Parte 2 (Minimização de Custos), vamos construir uma IA mais avançada que minimize os custos no consumo de energia de um data center em mais de 50%! Esse projeto é bem parecido com o que os pesquisadores do DeepMind do Google fizeram para economizar milhões de dólares no consumo de energia elétrica! Neste estudo de caso vamos usar o algoritmo Deep Q-Learning, unindo as área de Aprendizagem por Reforço e Deep LearningNa Parte 3 (Maximização de Receitas), vamos construir uma IA diferente que irá maximizar a receita de um negócio de varejo on-line, fazendo com que ele tenha mais de 100% de retorno se comparada com uma estratégia que não usa inteligência artificial. Neste projeto, vamos usar o algoritmo Thompson Sampling também da área da Aprendizagem por ReforçoSe você pretende conseguir um emprego bem remunerado ou criar seu próprio negócio de sucesso com inteligência artificial, este é o curso que você precisa!Preparado(a) para dar um importante passo na sua carreira? Aguardamos você no curso! 🙂
Overview
Section 1: Introdução
Lecture 1 Boas vindas e conteúdo do curso
Lecture 2 E-book
Lecture 3 Mais sobre Inteligência Artificial
Lecture 4 Código fonte completo + slides
Section 2: —– Parte 1 – Otimização de Processos de Negócios —–
Lecture 5 Bem-vindo(a) à Parte 1 – Otimização de Processos de Negócios
Section 3: Estudo de Caso
Lecture 6 Otimização de Processos – Parte 1
Lecture 7 Otimização de Processos – Parte 2
Lecture 8 Otimização de Processos – Parte 3
Lecture 9 Otimização de Processos – Parte 4
Section 4: Solucão de Inteligência Artificial
Lecture 10 Bem-vindo(a) à seção de intuição
Lecture 11 Conteúdo
Lecture 12 O que é aprendizagem por reforço?
Lecture 13 A Equação de Bellman
Lecture 14 O Plano
Lecture 15 Markov Decision Process – MDP
Lecture 16 Política x Plano
Lecture 17 Adição de Penalidades – Living Penalty
Lecture 18 Q-Learning – Intuição
Lecture 19 Diferença Temporal
Lecture 20 Q-Learning – Visualização
Section 5: Implementação da Solução de IA
Lecture 21 Otimização de Processos – Parte 5
Lecture 22 Otimização de Processos – Parte 6
Lecture 23 Otimização de Processos – Parte 7
Lecture 24 Otimização de Processos – Parte 8
Lecture 25 Otimização de Processos – Parte 9
Lecture 26 Otimização de Processos – Parte 10
Lecture 27 Otimização de Processos – Parte 11
Lecture 28 Otimização de Processos – Parte 12
Lecture 29 Otimização de Processos – Parte 13
Lecture 30 Debug passo a passo
Lecture 31 Otimização de Processos – Parte 14
Lecture 32 Otimização de Processos – Parte 15
Lecture 33 Otimização de Processos – Parte 16
Lecture 34 Otimização de Processos – Parte 17
Lecture 35 Otimização de Processos – Parte 18
Lecture 36 Debug passo a passo
Section 6: Tarefa
Lecture 37 Instruções para a tarefa
Lecture 38 Solução para a tarefa
Section 7: —– Parte 2 – Minimização de Custos —–
Lecture 39 Bem-vindo(a) à Parte 2 – Minimização de Custos
Section 8: Estudo de Caso
Lecture 40 Minimização de Custos – Parte 1
Lecture 41 Minimização de Custos – Parte 2
Lecture 42 Minimização de Custos – Parte 3
Section 9: Solucão de Inteligência Artificial
Lecture 43 Bem-vindo(a) à seção de intuição
Lecture 44 Conteúdo
Lecture 45 Intuição Deep Q-Learning I
Lecture 46 Intuição Deep Q-Learning II
Lecture 47 Replay de Experiência
Lecture 48 Políticas de Seleções de Ações
Section 10: Implementação da Solução de IA
Lecture 49 Minimização de Custos – Parte 4
Lecture 50 Minimização de Custos – Parte 5
Lecture 51 Minimização de Custos – Parte 6
Lecture 52 Minimização de Custos – Parte 7
Lecture 53 Minimização de Custos – Parte 8
Lecture 54 Minimização de Custos – Parte 9
Lecture 55 Minimização de Custos – Parte 10
Lecture 56 Minimização de Custos – Parte 11
Lecture 57 Minimização de Custos – Parte 12
Lecture 58 Minimização de Custos – Parte 13
Lecture 59 Minimização de Custos – Parte 14
Lecture 60 Minimização de Custos – Parte 15
Lecture 61 Minimização de Custos – Parte 16
Lecture 62 Minimização de Custos – Parte 17
Lecture 63 Minimização de Custos – Parte 18
Lecture 64 Minimização de Custos – Parte 19
Lecture 65 Minimização de Custos – Parte 20
Lecture 66 Minimização de Custos – Parte 21
Lecture 67 Minimização de Custos – Parte 22
Lecture 68 Minimização de Custos – Parte 23
Lecture 69 Minimização de Custos – Parte 24
Lecture 70 Minimização de Custos – Parte 25
Lecture 71 Minimização de Custos – Parte 26
Lecture 72 Minimização de Custos – Parte 27
Lecture 73 Minimização de Custos – Parte 28
Lecture 74 Minimização de Custos – Parte 29
Lecture 75 Minimização de Custos – Parte 30
Lecture 76 Minimização de Custos – Parte 31
Lecture 77 Minimização de Custos – Parte 32
Lecture 78 Minimização de Custos – Parte 33
Lecture 79 Minimização de Custos – Parte 34
Lecture 80 Minimização de Custos – Parte 35
Lecture 81 Minimização de Custos – Parte 36
Lecture 82 Debug passo a passo
Section 11: Tarefa
Lecture 83 Instruções para a tarefa
Lecture 84 Solução para a tarefa
Lecture 85 Dropout
Section 12: —– Parte 3 – Maximização de Receitas —–
Lecture 86 Bem-vindo(a) à Parte 3 – Maximização de Receitas
Section 13: Estudo de Caso
Lecture 87 Maximização de Receitas – Parte 1
Lecture 88 Maximização de Receitas – Parte 2
Lecture 89 Maximização de Receitas – Parte 3
Section 14: Solução de Inteligência Artificial
Lecture 90 Bem-vindo(a) à seção de intuição
Lecture 91 Problema do Bandido Multi-Armado (The Multi-Armed Bandit Problem)
Lecture 92 Intuição Thompson Sampling
Section 15: Implementação da Solução de IA
Lecture 93 Maximização de Receitas – Parte 4
Lecture 94 Maximização de Receitas – Parte 5
Lecture 95 Maximização de Receitas – Parte 6
Lecture 96 Maximização de Receitas – Parte 7
Lecture 97 Maximização de Receitas – Parte 8
Lecture 98 Maximização de Receitas – Parte 9
Lecture 99 Maximização de Receitas – Parte 10
Lecture 100 Maximização de Receitas – Parte 11
Lecture 101 Maximização de Receitas – Parte 12
Lecture 102 Maximização de Receitas – Parte 13
Lecture 103 Maximização de Receitas – Parte 14
Lecture 104 Maximização de Receitas – Parte 15
Lecture 105 Maximização de Receitas – Parte 16
Lecture 106 Debug passo a passo
Section 16: Tarefa
Lecture 107 Instruções para a tarefa
Lecture 108 Solução para a tarefa
Section 17: Anexo I – Redes Neurais Artificiais
Lecture 109 Perceptron de uma camada
Lecture 110 Redes multicamada – função soma e função de ativação
Lecture 111 Redes multicamada – cálculo do erro
Lecture 112 Descida do gradiente
Lecture 113 Cálculo do parâmetro delta
Lecture 114 Ajuste dos pesos com backpropagation
Lecture 115 Bias, erro, descida do gradiente estocástica e mais parâmetros
Lecture 116 Funções de ativação I
Lecture 117 Funções de ativação II
Section 18: Considerações finais
Lecture 118 AULA BÔNUS
Pessoas interessadas em resolver problemas de empresas utilizando inteligência artificial,Pessoas interessadas em deep learning (aprendizagem profunda),Pessoas interessadas em aprendizagem por reforço com os algoritmos Deep Q-Learning e Thompson Sampling,Analistas de dados que queiram aumentar seu conhecimento na área de deep learning (aprendizagem profunda),Alunos de graduação que estão estudando disciplinas ligadas a área de Inteligência Artificial,Pessoas que estão ansiosas para aprender como aproveitar a inteligência artificial para otimizar seus negócios, maximizam a lucratividade e a eficiência,Profissionais que procuram por casos de negócios para adicionar ao seu portfólio,Entusiastas da tecnologia interessados em alavancar a aprendizagem de máquina e a inteligência artificial para resolver problemas de negócios,Consultores, que querem fazer a transição de empresas para negócios dirigidos por inteligência artificial
Course Information:
Udemy | Português | 10h 48m | 4.40 GB
Created by: Jones Granatyr
You Can See More Courses in the Developer >> Greetings from CourseDown.com