|
Entregável do Bloco: |
Aplicação de técnicas de inteligência artificial, tais como redes neurais e reconhecimento de padrões, para inferência e previsão acerca de fenômenos.
|
|
Projeto de Bloco: Aprendizagem de Máquina Supervisionada |
1 – Analisar casos de aplicação de aprendizagem de máquina supervisionada; |
2 – Comparar casos de aplicação de aprendizagem de máquina supervisionada com não supervisionada; |
3 – Discutir as questões éticas e as limitações relacionadas à utilização da aprendizagem de máquina supervisionada; |
4 – Elaborar um projeto de análise de dados baseado em aprendizagem de máquina supervisionada; |
5 – Realizar a modelagem de fenômenos por meio de aprendizagem de máquina supervisionada; |
6 – Escrever um relatório de projeto utilizando aprendizagem de máquina supervisionada. |
|
Otimização para Machine Learning |
1 – Calcular derivadas unidimensionais |
2 – Calcular Integrais unidimensionais; |
3 – Otimizar funções algébricas; |
4 – Resolver problemas de otimização usando o módulo scikit-learn do Python |
|
Redes Neurais com Tensor Flow |
1 – Identificar as diferentes camadas de uma Rede Neural Artificial |
2 – Compreender as diferentes arquiteturas de Redes Neurais; |
3 – Criar um modelo de reconhecimento de dígitos numéricos; |
4 – Treinar usando o algoritmo de rede backpropagation em Python; |
5 – Compreender as diferentes funções de ativação; |
6 – Implementar o modelo em um cenário de produção com uma base de imagens. |
|
Algoritmos para Classificação de Dados |
1 – Entender regressão linear logística e aplicar para problemas específicos; |
2 – Entender a diferença de regressão e classificação e compreender a motivação de utilizar algoritmos supervisionados; |
3 – Utilizar a metodologia K-Folds de validação cruzada; |
4 – Desenvolver um treino supervisionado usando árvores de decisões; |
5 – Desenvolver um treino supervisionado usando SVM; |
6 – Construir uma solução que aplica um modelo elaborado em uma base de dados. |
|
Redes Neurais Profundas com Tensor Flow |
1 – Compreender a utilização de redes profundas; |
2 – Compreender a utilização de modelos pré-treinados de redes profundas; |
3 – Utilizar uma rede com o modelo convulacional usando bases de imagens usando TensorFlow; |
4 – Utilizar uma rede LSTM em uma base textual para produzir conteúdo usando TensorFlow; |
5 – Utilizar uma rede DPN para gerar imagens usando TensorFlow; |
6 – Implementar modelos para cenários de operação diversos. |