Tensorflow 20 Um Guia Completo sobre o novo TensorFlow
What you’ll learn
Como usar o TensorFlow 2.0 em Data Science
Diferenças importantes entre o TensorFlow 1.x e o TensorFlow 2.0
Como implementar redes neurais artificiais, redes neurais convolucionais e redes neurais recorrente com o TensorFlow 2.0
Como criar seu próprio aplicativo de Transfer Learning (transferência de aprendizagem) no TensorFlow 2.0
Como criar um bot para negociação no mercado de ações usando Aprendizagem por Reforço
Como conduzir validação de dados com o TensorFlow Data Validation (TFDV)
Como trabalhar com pré-processamento com o TensorFlow Transform (TFT)
Como colocar um modelo do TensorFlow em produção utilizando a API Flask
Como colocar um modelo do TensorFlow em produção utilizando TensorFlow Serving e API RESTful
Requirements
Lógica de programação, principalmente estruturas condicionais e de repetição
Conhecimentos sobre Orientação a Objetos
Programação básica em Python
Conhecimentos sobre instalação de softwares básicos, porém, durante o curso será mostrado o processo de instalação das ferramentas utilizadas durante todo o curso
Conhecimentos em Machine Learning, Redes Neurais ou Inteligência Artificial não são obrigatórios. No final do curso existem quatro anexos com aulas básicas sobre esses assuntos caso seja seu primeiro contato com a área
Description
Bem-vindo(a) ao Tensorflow 2.0!O TensorFlow 2.0 foi lançado recentemente e introduziu muitos recursos que simplificam os processos de desenvolvimento e manutenção de modelos de aprendizagem de máquina. Do ponto de vista educacional, a nova versão está mais fácil para trabalhar e simplifica alguns conceitos complexos. Com relação a aplicações comerciais, os modelos são muito mais fáceis de entender, manter e desenvolver.O curso está estruturado de forma a abranger os principais tópicos da área de Deep Learning, desde a modelagem e treinamento de redes neurais até sua produção.Na parte 1 do curso, você aprenderá os conceitos básicos e a sintaxe do TensorFlow 2.0, principalmente algumas diferentes importantes se comparado com o TensorFlow 1.xNa parte 2, o foco será em Deep Learning! Você implementará vários tipos de redes neurais: redes neurais simples, redes neurais convolucionais e redes neurais recorrentes. Além disso, no final desta seção você aprenderá a utilizar a técnica de Transferência de Aprendizagem (Transfer Learning) que alcançará resultados considerados do “estado da arte” em uma base de dados para identificação de imagens!Na parte 3 você aprenderá a criar o seu próprio “bot” de negociação no mercado de ações utilizando Aprendizagem por Reforço, usando especificamente o algoritmo de Deep Q-Learning! No final das execuções e simulação com uma base de dados real, teremos lucros de mais de U$ 1.300 dólares!A parte 4 trata do TensorFlow Extended (TFX), na qual você aprenderá como trabalhar com dados e criar seus próprios fluxos de dados (pipelines) para produção. Inicialmente verificaremos se o conjunto de dados tem alguma anomalia usando a biblioteca de validação de dados do TensorFlow (TFDV). Logo após, você aprenderá como utilizar o próprio TensorFlow para aplicar pré-processamento em bases de dados usando TensorFlow Transform (TFT).Por fim, o foco da parte 5 será em como disponibilizar um modelo em ambiente de produção utilizando a API Flask com acesso via web e também utilizando comunicação REST por meio do TensorFlow Serving. De uma maneira muito fácil, você criará sua própria API de classificação de imagem que pode suportar milhões de solicitações por dia! Atualmente, está se tornando cada vez mais popular instalar um modelo de Deep Learning dentro de um aplicativo Android ou iOS, portanto, na próxima seção do curso você aprenderá a salvar um modelo para dispositivos móveis utilizando o TensorFlow Lite! Por fim, você também aprenderá como utilizar técnicas de treinamento distribuído para otimizar o processo de treinamento.Este curso é indicado para todos os níveis, ou seja, caso seja seu primeiro contato com Deep Learning e o TensorFlow, você conta com um apêndice que contém aulas básicas sobre aprendizagem de máquina e redes neurais! Preparado(a) para dar um importante passo na sua carreira? Aguardamos você no curso! 🙂
Overview
Section 1: Introdução
Lecture 1 Bem-vindo(a) ao curso!
Lecture 2 Currículo do curso + slides
Lecture 3 Mais sobre Inteligência Artificial
Section 2: Básico do TensorFlow
Lecture 4 Do TensorFlow 1.x para o TensorFlow 2.0 – Constantes, variáveis e tensores
Lecture 5 Operações com tensores
Lecture 6 Strings
Section 3: Redes Neurais Artificiais
Lecture 7 Configuração do Projeto
Lecture 8 Pré-processamento
Lecture 9 Construção da Rede Neural Artificial
Lecture 10 Treinamento da Rede Neural Artificial
Lecture 11 Avaliação da Rede Neural Artificial
Lecture 12 Tarefa
Lecture 13 Solução da Tarefa
Section 4: Redes Neurais Convolucionais
Lecture 14 Configuração do Projeto e Pré-processamento
Lecture 15 Construção da Rede Neural Convolucional
Lecture 16 Treinamento e Avaliação da Rede Neural Convolucional
Lecture 17 Tarefa
Section 5: Redes Neurais Recorrentes
Lecture 18 Configuração do Projeto e Pré-processamento
Lecture 19 Construção da Rede Neural Recorrente
Lecture 20 Treinamento e Avaliação da Rede Neural Recorrente
Section 6: Transferência de Aprendizado e Fine Tuning
Lecture 21 O que é Transferência de Aprendizado?
Lecture 22 Configuração do Projeto
Lecture 23 Pré-processamento
Lecture 24 Carregamento do Modelo MobileNet V2
Lecture 25 Congelamento do Modelo Pré-treinado
Lecture 26 Cabeçalho Personalizado no Modelo Pré-treinado
Lecture 27 Definição do Modelo de Transferência
Lecture 28 Compilação do Modelo de Transferência
Lecture 29 Geradores de Imagens
Lecture 30 Transferência de Aprendizagem
Lecture 31 Avaliação dos Resultados
Lecture 32 Definição do Fine Tuning
Lecture 33 Compilação do Fine Tuning
Lecture 34 Aplicação do Fine Tuning
Lecture 35 Avaliação do Fine Tuning
Section 7: Aprendizagem por Reforço Profunda para Negociação no Mercado de Ações
Lecture 36 Configuração do Projeto
Lecture 37 IA Trader 1
Lecture 38 IA Trader 2
Lecture 39 IA Trader 3
Lecture 40 IA Trader 4
Lecture 41 IA Trader 5
Lecture 42 Dataset Loader Function
Lecture 43 Criação dos Estados
Lecture 44 Carregamento da Base de Dados
Lecture 45 Definição do Modelo
Lecture 46 Treinamento I
Lecture 47 Treinamento II
Section 8: Validação de Dados com TFDV (TensorFlow Data Validation)
Lecture 48 Configuração do Projeto
Lecture 49 Carregamento da Base de Dados
Lecture 50 Criação da Estrutura da Base de Dados
Lecture 51 Computação das Estatísticas da Base de Teste
Lecture 52 Detecção de Anomalias
Lecture 53 Preparação do Schema para Produção
Lecture 54 Salvando o schema
Lecture 55 Material Complementar
Section 9: Pré-processamento de Dados com TFT (TensorFlow Transform)
Lecture 56 Configuração do Projeto
Lecture 57 Pré-processamento Inicial da Base de Dados
Lecture 58 Dataset Metadata
Lecture 59 Função de Pré-processamento
Lecture 60 Pipeline de Pré-processamento
Lecture 61 Material Complementar
Section 10: API com Flask e TensorFlow 2.0
Lecture 62 Configuração do Projeto
Lecture 63 Importação das Dependências
Lecture 64 Carregamento do Modelo Pré-treinado
Lecture 65 Definição da Aplicação Flask
Lecture 66 Criação da Função de Classificação
Lecture 67 Iniciando a Aplicação Flask
Lecture 68 Enviando Requisições ao Modelo
Section 11: API de Classificação de Imagens com TensorFlow Serving
Lecture 69 O que é TensorFlow Serving?
Lecture 70 Arquitetura do TensorFlow Serving
Lecture 71 Configuração do Projeto
Lecture 72 Pré-processamento
Lecture 73 Definição, Treinamento e Avaliação do Modelo
Lecture 74 Salvando o Modelo para Produção
Lecture 75 Configuração do Modelo no TensorFlow Serving
Lecture 76 Criação de Objeto JSON
Lecture 77 Enviando o Primeiro POST para o Modelo
Lecture 78 Enviando Requisições POST para um Modelo Específico
Section 12: TensorFlow Lite: Prepare o Modelo para Dispositivos Móveis
Lecture 79 O que é o TensorFlow Lite?
Lecture 80 Configuração do Projeto
Lecture 81 Pré-processamento dos Dados
Lecture 82 Construção do Modelo
Lecture 83 Treinamento e Avaliação do Modelo
Lecture 84 Salvando o Modelo
Lecture 85 TensorFlow Lite Converter
Lecture 86 Conversão do Modelo para o TensorFlow Lite
Lecture 87 Salvando o Modelo Convertido
Lecture 88 Material Complementar
Section 13: Treinamento Distribuído com TensorFlow 2.0
Lecture 89 O que é Treinamento Distribuído?
Lecture 90 Configuração do Projeto
Lecture 91 Pré-processamento
Lecture 92 Definição de um Modelo Não Distribuído
Lecture 93 Iniciando uma Estratégia Distribuída
Lecture 94 Definição de um Modelo Distribuído
Lecture 95 Avaliação Final: Teste de Velocidade
Section 14: Anexo I – Redes Neurais Artificiais – teoria
Lecture 96 Perceptron de uma camada
Lecture 97 Redes multicamada – função soma e função de ativação
Lecture 98 Redes multicamada – cálculo do erro
Lecture 99 Descida do gradiente
Lecture 100 Cálculo do parâmetro delta
Lecture 101 Ajuste dos pesos com backpropagation
Lecture 102 Bias, erro, descida do gradiente estocástica e mais parâmetros
Lecture 103 Funções de ativação I
Lecture 104 Funções de ativação II
Section 15: Anexo II – Redes Neurais Convolucionais – teoria
Lecture 105 Introdução a redes neurais convolucionais I
Lecture 106 Introdução a redes neurais convolucionais II
Lecture 107 Etapa 1 – operador de convolução (introdução)
Lecture 108 Etapa 1 – operador de convolução (cálculo)
Lecture 109 Etapa 2 – pooling
Lecture 110 Etapa 3 – flattening
Lecture 111 Etapa 4 – rede neural densa
Section 16: Anexo III – Redes Neurais Recorrentes – teoria
Lecture 112 O que são Redes Neurais Recorrentes
Lecture 113 Problema do gradiente desaparecendo (vanish gradient problem)
Lecture 114 Long short term memory – LSTM
Lecture 115 Intuição prática
Lecture 116 Variações de LSTM
Section 17: Anexo IV – Aprendizagem por Reforço Profunda – teoria
Lecture 117 O que é aprendizagem por reforço?
Lecture 118 A Equação de Bellman
Lecture 119 O Plano
Lecture 120 Markov Decision Process – MDP
Lecture 121 Política x Plano
Lecture 122 Adição de Penalidades – Living Penalty
Lecture 123 Q-Learning – Intuição
Lecture 124 Diferença Temporal
Lecture 125 Intuição Deep Q-Learning – Aprendizagem
Lecture 126 Intuição Deep Q-Learning – Ações
Lecture 127 Replay de Experiência
Lecture 128 Políticas de Seleções de Ações
Section 18: Considerações finais
Lecture 129 AULA BÔNUS
Pessoas interessadas em aprender Deep Learning (aprendizagem profunda) com o TensorFlow 2.0,Pessoas interessadas em redes neurais artificiais, convolucionais e recorrentes,Pessoas interessadas em iniciar uma carreira em Ciência de Dados utilizando técnicas modernas de aprendizagem de máquina,Empreendedores que queiram aplicar aprendizagem de máquina em projetos comerciais,Analistas de dados que queiram aumentar seu conhecimento na área de deep learning (aprendizagem profunda),Empresários que desejam criar soluções eficientes para problemas reais em suas empresas,Alunos de graduação que estão estudando disciplinas ligadas a área de Inteligência Artificial,Desenvolvedores Python que desejam entrar na área de Deep Learning e Inteligência Artificial,Engenheiros que trabalham em tecnologia e automação,Qualquer pessoa interessada em Inteligência Artificial
Course Information:
Udemy | Português | 12h 20m | 3.86 GB
Created by: Jones Granatyr
You Can See More Courses in the Developer >> Greetings from CourseDown.com