Curso online gratuitoRedes Neurais

Duração do curso online: 7 horas e 1 minutos

Novo curso

Curso gratuito online de Redes Neurais pela Univesp: explore conceitos de modelagem matemática, aprendizado, arquiteturas e aplicações práticas em Inteligência Artificial e Ciência de Dados.

Descrição do curso

O curso "Redes Neurais" é uma imersão profunda no vasto e fascinante mundo das redes neurais, um dos pilares mais importantes no campo da Inteligência Artificial e Ciência de Dados. Com uma duração total de 7 horas e 1 minuto, este curso é um guia abrangente que abrange desde os conceitos fundamentais até as aplicações mais avançadas das redes neurais.

Para começar, o curso introduz os participantes ao conceito de redes neurais, explicando o que são e como se inspiram nos neurônios biológicos. Seguindo esse contexto biológico, é apresentado um modelo matemático dos neurônios, criando um link entre biologia e computação.

Em seguida, o foco se desloca para a compreensão das diferentes formas de aprendizagem em redes neurais e os principais paradigmas que regem esse aprendizado. Este bloco do curso é fundamental para entender como as redes neurais aprendem e se adaptam a diversas tarefas.

As principais arquiteturas de redes neurais são discutidas, fornecendo uma visão detalhada das variadas formas em que essas redes podem ser estruturadas e seus respectivos usos práticos. Nessa etapa, há também uma atenção especial à preparação de dados para o treinamento, um passo crucial para o sucesso de qualquer modelo de rede neural.

Os alunos têm a oportunidade de explorar os primeiros modelos de redes neurais, como o Perceptron e o Adaline, antes de avançar para arquiteturas mais complexas como a Multilayer Perceptron (MLP). O curso cobre os fundamentos e a derivação do algoritmo de retropropagação, que é essencial para o treinamento eficaz das redes MLP.

Exemplos práticos de implementação e aplicação das redes MLP são fornecidos, acompanhados pela configuração detalhada dos hiperparâmetros dessas redes. Métodos otimizados para o treinamento e técnicas de regularização também são abordados, permitindo aos alunos melhorar a performance e a robustez de suas redes neurais.

Nessa linha, a otimização da topologia de uma rede MLP é ilustrada para que os participantes entendam como ajustar a estrutura da rede para diferentes tipos de problemas. Além disso, o curso aborda a arquitetura das Redes de Funções de Base Radial (RBF) e seu treinamento específico.

O aprendizado competitivo é um tópico explorado através da rede Self-Organizing Map (SOM), mostrando como esta pode ser aplicada ao problema de agrupamento de dados. Máquinas baseadas em energia, como a rede de Hopfield, a máquina de Boltzmann e a máquina restrita de Boltzmann (RBM) também são discutidas, ampliando os horizontes dos participantes em termos de modelos energéticos e probabilísticos.

Finalmente, o curso explora profundamente as redes recorrentes e o algoritmo de retropropagação através do tempo, apresentando também as redes recorrentes com memória de longo prazo e suas aplicações em predição de séries temporais. Esta seção é vital para aqueles que desejam aplicar redes neurais em contextos dinâmicos e temporais, como na análise de dados financeiros ou na previsão de eventos.

Em suma, o curso "Redes Neurais" é uma viagem enriquecedora e completa pelo universo das redes neurais, proporcionando aos participantes as ferramentas e o conhecimento necessários para resolver problemas complexos e inovar no campo da Inteligência Artificial e Ciência de Dados.

Conteúdo do Curso

  • Aula em vídeo: Redes Neurais - Introdução às Redes Neurais

    0h17m

  • Exercício: Qual das seguintes alternativas descreve corretamente o conceito principal de redes neurais artificiais?

  • Aula em vídeo: Redes neurais - O neurônio biológico e sua modelagem matemática

    0h17m

  • Exercício: Qual é uma característica importante do cérebro que é utilizada como inspiração para o desenvolvimento de redes neurais artificiais?

  • Aula em vídeo: Redes Neurais - Aprendizagem em redes neurais e seus principais paradigmas

    0h23m

  • Exercício: Qual dos seguintes paradigmas de aprendizagem em redes neurais não utiliza rótulos de saída fornecidos por especialistas durante o treinamento?

  • Aula em vídeo: Redes Neurais - Principais arquiteturas de redes neurais

    0h14m

  • Exercício: Qual é a principal diferença entre as redes neurais convolucionais e as redes com múltiplas camadas?

  • Aula em vídeo: Redes Neurais - Preparação dos dados para treinamento

    0h20m

  • Exercício: Qual é a importância de dividir o conjunto de dados em grupos de treino, validação e teste durante o desenvolvimento de um modelo de rede neural?

  • Aula em vídeo: Redes Neurais - Primeiros modelos – Perceptron e Adaline

    0h21m

  • Exercício: O que caracteriza o neurônio Adaline em comparação ao Perceptron?

  • Aula em vídeo: Redes Neurais - A arquitetura da rede Multilayer Perceptron

    0h18m

  • Exercício: Qual é a principal vantagem de utilizar redes neurais com múltiplas camadas e funções de ativação não lineares em comparação a redes com camada única e funções de ativação lineares?

  • Aula em vídeo: Redes Neurais - Fundamentos e derivação do algoritmo de retropropagação

    0h20m

  • Exercício: Qual é o objetivo principal do algoritmo de retropropagação nas redes neurais?

  • Aula em vídeo: Redes Neurais - Exemplos práticos de implementação e aplicação de redes MLP

    0h22m

  • Exercício: Qual é a função do ambiente Google Colab na implementação de modelos de redes neurais apresentada na aula?

  • Aula em vídeo: Redes Neurais - Configuração dos hiperparâmetros de uma rede MLP

    0h23m

  • Exercício: Por que o termo de momento é importante no treinamento de redes neurais?

  • Aula em vídeo: Redes Neurais - Métodos otimizados para treinamento das redes MLP e regularização

    0h21m

  • Exercício: Qual é um dos principais objetivos do uso de algoritmos como RMSProp e Adam no treinamento de redes neutrais?

  • Aula em vídeo: Redes Neurais - Ilustração da otimização da topologia de uma rede MLP

    0h19m

  • Exercício: Qual é uma das técnicas mencionadas para mitigar o problema de overfitting em redes neurais, conforme discutido na aula prática?

  • Aula em vídeo: Redes Neurais - A arquitetura da rede RBF e seu treinamento

    0h18m

  • Exercício: Qual é uma característica principal das redes RBF em comparação com as redes MLP em termos de aproximações de funções?

  • Aula em vídeo: Redes Neurais - O aprendizado competitivo e a rede SOM

    0h21m

  • Exercício: Qual é o principal objetivo da rede neural SOM no processo de aprendizado não supervisionado?

  • Aula em vídeo: Redes Neurais - A rede SOM aplicada ao problema de agrupamento de dados

    0h19m

  • Exercício: Qual a consequência de utilizar um valor de sigma muito pequeno ao configurar uma rede SOM?

  • Aula em vídeo: Redes Neurais - Máquinas baseadas em energia: a rede de Hopfield

    0h22m

  • Exercício: Qual é a principal característica das redes neurais do tipo Hopfield?

  • Aula em vídeo: Redes Neurais - A máquina de Boltzmann

    0h20m

  • Exercício: Qual é o principal impacto do uso de ruído no processo de encontrar um mínimo global de energia em redes neurais estocásticas?

  • Aula em vídeo: Redes Neurais - A máquina restrita de Boltzmann (RBM)

    0h18m

  • Exercício: Qual é a principal diferença entre a Máquina de Boltzmann Tradicional e a Máquina de Boltzmann Restrita?

  • Aula em vídeo: Redes Neurais - Redes recorrentes e o algoritmo de retropropagação através do tempo

    0h22m

  • Exercício: Qual é a principal diferença entre redes neurais recorrentes e redes neurais alimentadas adiante?

  • Aula em vídeo: Redes Neurais - Redes recorrentes com memória de longo prazo

    0h22m

  • Exercício: Qual é o principal problema que redes neurais recorrentes enfrentam ao lidar com sequências longas de dados?

Este curso gratuito inclui:

7 horas e 1 minutos de curso online em vídeo

Exercícios para treinar seus conhecimentos

Certificado digital de conclusão de curso

100% gratuito, do conteúdo ao certificado

QR Code - Baixar Cursa - Cursos Online

Este curso online só pode ser acessado pelo aplicativo Cursa. Instale o aplicativo usando o QR code ou os links abaixo:

Este curso online só pode ser acessado pelo aplicativo Cursa. Instale usando os links abaixo:

  • Estude de graça!

    Aqui você não paga nunca! Nem mesmo no certificado, pois tudo no aplicativo é 100% gratuito!

  • Melhore seu currículo!

    São mais de 4 Mil Cursos Gratuitos para você estudar qualquer coisa do seu interesse!

  • Certificado Digital grátis!

    Conclua o curso e emita gratuitamente seu Certificado Digital reconhecido pela ABED.

Mais cursos gratuitos em Inteligência Artificial e Ciência de dados

Baixe o Aplicativo agora para ter acesso a + de 3300 cursos gratuitos, exercícios, certificado e muito conteúdo sem pagar nada!

  • Cursos online 100% gratuitos do início ao fim

    Milhares de cursos online em vídeo, cursos em áudio ou texto.

  • Mais de 48 mil exercícios gratuitos

    Para testar seus conhecimentos no decorrer dos cursos online

  • Certificado Digital gratuito válido em todo o Brasil

    Gerado diretamente na galeria de fotos do seu celular e enviado ao seu e-mail

Aplicativo Cursa na tela de ebook, na tela de curso em vídeo e na tela de exercícios do curso, mais o certificado de conclusão de curso

+ de 6,5 milhões
de alunos

Certificado Gratuito e
Válido em todo o Brasil

48 mil exercícios
gratuitos

4,8/5 classificação
nas lojas de apps

Cursos gratuitos em
vídeo, áudio e texto