"""

Aprendizado Profundo com Python de A a Z - O Curso Completo

Redes Neurais Artificiais, Redes Convolucionais, Redes Recorrentes, Mapas Auto-Organizáveis, Máquinas de Boltzmann, Autoencoders e GANs

Importante: O código-fonte está atualizado para as versões mais recentes das bibliotecas, incluindo TensorFlow 2.0! O campo do Aprendizado Profundo está relacionado à aplicação de redes neurais artificiais na resolução de problemas complexos que requerem técnicas computacionais avançadas. Existem várias aplicações práticas que já foram construídas usando essas técnicas, como carros autônomos, descoberta de novos medicamentos, diagnóstico precoce e tratamento de doenças, geração automática de notícias, reconhecimento facial, recomendação de produtos, previsão do mercado de ações e até mesmo geração automática de roteiros para filmes! Nestes exemplos, a técnica subjacente utilizada são as redes neurais artificiais, que buscam "imitar" como o cérebro humano funciona e são consideradas as mais avançadas no campo do Aprendizado de Máquina. O Aprendizado Profundo é atualmente um dos campos mais relevantes em Inteligência Artificial, com um mercado de trabalho em crescimento nos Estados Unidos e em vários países europeus. Prevê-se que esse tipo de profissional seja cada vez mais demandado no Brasil também! Na verdade, alguns estudos sugerem que o conhecimento nessa área em breve será um pré-requisito para profissionais de TI! E para orientá-lo nesse campo, este curso fornece conhecimentos teóricos e práticos das principais e mais modernas técnicas de Aprendizado Profundo usando Python! Este curso é considerado de A a Z porque abrange desde os conceitos mais básicos de redes neurais até técnicas mais modernas e avançadas. Ao final do curso, você terá todas as ferramentas necessárias para construir soluções complexas que podem ser aplicadas a problemas de negócios do dia a dia! O conteúdo está dividido em sete partes: redes neurais artificiais, redes neurais convolucionais, redes neurais recorrentes, mapas auto-organizáveis, máquinas de Boltzmann, autoencoders e redes adversárias generativas. Você aprenderá a teoria básica de cada um desses tópicos e implementará exemplos práticos passo a passo em cenários do mundo real. Aqui estão alguns dos projetos que serão desenvolvidos: Classificação de se um tumor é maligno ou benigno com base em dados de tumores, classificação de tipos de plantas, previsão de preços de veículos usados com base em características dos carros, previsão de vendas de jogos de vídeo, classificação de dígitos escritos à mão, classificação de imagens de gatos e cães, classificação de imagens de Homer e Bart dos Simpsons, classificação de objetos como aviões, carros, pássaros, gatos, veados, cães, sapos, cavalos, barcos e caminhões, construção de séries temporais para prever preços de ações da Petrobras, previsão de poluição na China em determinados horários do dia, agrupamento de tipos de vinhos com base em características do produto, agrupamento de cânceres malignos e benignos, detecção de clientes que possam tentar fraudar bancos de dados financeiros, redução de dimensionalidade em imagens, desenvolvimento de um sistema básico de recomendação de filmes, comparação de sistemas de recomendação usando redes neurais e técnicas clássicas de filtragem colaborativa, e geração automática de imagens. Ao final de cada seção teórica, há questionários para revisar o conteúdo, bem como referências adicionais se você quiser aprender mais sobre os tópicos. E ao final de cada seção prática, você encontrará projetos de programação para reforçar o conteúdo das implementações, todos com soluções para você comparar com seu progresso! Este curso é adequado para todos os níveis, então se este for o seu primeiro contato com o Aprendizado Profundo, há um apêndice que contém lições básicas sobre aprendizado de máquina e redes neurais! Também é importante enfatizar que o único pré-requisito é o conhecimento de lógica de programação, pois mesmo que você não seja um especialista na linguagem Python, você será capaz de acompanhar o curso sem problemas! Você está pronto para dar um passo importante em sua carreira? Estou ansioso para vê-lo no curso!

O que você aprenderá

- Aprender na teoria e na prática como construir redes neurais artificiais para resolver problemas do mundo real - Aprender os conceitos de redes neurais convolucionais, redes neurais recorrentes, mapas auto-organizáveis, máquinas de Boltzmann, autoencoders e redes adversárias generativas - Avaliar e configurar os parâmetros de uma rede neural - Construir passo a passo redes neurais aplicadas a problemas de classificação e regressão - Construir passo a passo uma rede neural para prever o preço de veículos usados e prever as vendas de jogos de vídeo - Implementar redes neurais convolucionais para classificar dígitos escritos à mão e identificar gatos e cães em imagens - Implementar uma rede neural recorrente para prever preços de ações da Petrobras - Implementar mapas auto-organizáveis aplicados a agrupamento de dados e detecção de fraudes em bancos de dados financeiros - Reduzir a dimensionalidade de bancos de dados usando máquinas de Boltzmann e autoencoders - Criar um sistema de recomendação usando máquinas de Boltzmann - Criar novas imagens usando redes adversárias generativas"""