Gostando da prévia?
Esta é a primeira aula gratuita. Tenha acesso completo: solicite uma demo ou faça login.
Redes neurais
Neste curso, aprenderás os fundamentos das redes neurais. Receberás uma introdução às redes neurais e conceitos e tópicos intimamente relacionados. Serás capaz…Preview the first lesson free — get full access to all 24 lessons.
Principiante Fornecedor : Gabriel Popoola 6 capítulos · 24 lições · 1h 25m em Árabe, Alemão, Inglês, Espanhol, Francês, Português, Urdu, Chinese
Descrição do curso
Neste curso, aprenderás os fundamentos das redes neurais. Receberás uma introdução às redes neurais e conceitos e tópicos intimamente relacionados. Serás capaz de entender os vários aspetos de design das redes neurais e como fazeres selecções para elas. O curso também abordará como implementar redes neurais, especificamente em python. As vantagens de diferentes estruturas e implementações de redes neurais serão discutidas. Todos os conceitos e teorias serão amarrados através de exemplos, bem como a discussão de aplicações práticas. Ao final deste curso, estarás ciente de várias maneiras de implementar uma rede neural e como seleccionar algoritmos, métodos e valores para os vários aspectos de uma rede neural.
O Que Você Vai Aprender
- Compreenda o que são redes neurais e como são usadas
- Identifique os vários aspectos de design de redes neurais e como fazer seleções para eles
- Distinga diferentes tipos de redes neurais, incluindo MLP e redes convolucionais
- Implemente redes neurais de múltiplas maneiras usando Python
- Configure funções de ativação, funções de perda, otimizadores, hiperparâmetros e camadas
- Aplique redes neurais a aplicações práticas, como detecção de anomalias, automação, segurança cibernética e sistemas preditivos
Principais Conclusões
- Redes neurais podem ser implementadas de múltiplas maneiras usando Python, incluindo com Scikit-Learn e PyTorch.
- O tipo de rede neural pode ser determinado com base no tipo de dados sendo usados.
- Projetar uma rede neural envolve selecionar algoritmos, métodos e valores para aspectos como funções de ativação, funções de perda, otimizadores, hiperparâmetros e camadas.
- Bibliotecas e estruturas relevantes para redes neurais incluem Tensorflow, Keras e PyTorch, e a aceleração de GPU pode suportar a implementação.
- Redes neurais têm aplicações práticas incluindo detecção de anomalias/ameaças, automação, segurança cibernética e sistemas preditivos.
Perguntas Frequentes
O que este curso cobre?
O curso cobre o básico de redes neurais, incluindo uma introdução a redes neurais e conceitos relacionados, os vários aspectos de design de redes neurais, diferentes tipos de redes neurais, como implementá-las em Python, as vantagens de diferentes estruturas e implementações e aplicações práticas.
Vou aprender como implementar redes neurais em código?
Sim. O curso cobre como implementar redes neurais, especificamente em Python, incluindo usar Scikit-Learn e PyTorch, e discute bibliotecas e estruturas relevantes como Tensorflow, Keras e PyTorch.
Quais tipos de redes neurais são discutidos?
O curso cobre diferentes tipos de redes neurais, incluindo MLP e redes convolucionais, e como determinar o tipo de rede neural com base no tipo de dados.
Quais aplicações práticas de redes neurais estão incluídas?
O curso discute aplicações práticas incluindo detecção de anomalias/ameaças, automação, segurança cibernética e sistemas preditivos.
O que vou ser capaz de fazer ao final do curso?
Ao final do curso, você estará ciente de múltiplas maneiras de implementar uma rede neural e como selecionar algoritmos, métodos e valores para os vários aspectos de uma rede neural.
