Como normalizar imagens para uma CNN no Keras e TensorFlow?

Divida os valores dos pixels, normalmente de 0 a 255, por 255 para colocá-los entre 0 e 1.

Qual função de perda usar para classificar três classes com softmax no Keras?

Use categorical_crossentropy quando os rótulos estiverem em formato one-hot encoding.

Como preparar as imagens do MNIST para camadas Dense no Keras?

Redimensione cada imagem 28x28 em um vetor unidimensional antes de inseri-la no modelo.

Imagem do Curso gratuito Deep Learning com Keras e TensorFlow: Redes Neurais, CNNs e NLP

Curso online gratuito Deep Learning com Keras e TensorFlow: Redes Neurais, CNNs e NLP

Name: Deep Learning com Keras e TensorFlow: Redes Neurais, CNNs e NLP
Availability: InStock

Duração do curso online: 3 horas e 0 minutos

Novo

Aprenda Deep Learning com Keras e TensorFlow: crie redes neurais, CNNs e NLP na prática. Curso online gratuito com exercícios e foco em projetos reais.

Neste curso gratuito, aprenda sobre

Diferença entre IA, Deep Learning e redes neurais; conceitos e aplicações
IA fraca vs IA forte: capacidades, limites e exemplos
Como redes neurais recebem entradas e produzem saídas (ex.: classificação de dígitos)
Tratamento de dados em redes: vetorização, formatos, treino e inferência
Normalização/escala de dados (ex.: pixels/255 para 0 a 1) e impacto no treino
Separabilidade linear e por que redes precisam de não-linearidades
Instalação e configuração de ambiente com Keras/TensorFlow
Salvar e carregar modelos treinados (ex.: uso de bibliotecas/formato apropriado)
Criar modelos com Keras Sequential e Dense; definir input_shape na 1ª camada
Boas práticas para evitar instabilidade numérica no treino (normalização, etc.)
Uso de datasets comuns (MNIST, Iris, IMDB) e suas tarefas típicas
Leitura e preparação de dados CSV com Pandas para ML/DL
Classificação multiclasse com one-hot+softmax e loss categorical_crossentropy
Pré-processamento do MNIST para MLP/CNN: reshape/flatten e normalização; Dropout

Sobre o curso online gratuito

Domine as bases do Deep Learning e transforme dados em previsões úteis usando Keras e TensorFlow, duas das ferramentas mais populares do mercado. Neste curso online gratuito, você aprende a enxergar a lógica por trás da Inteligência Artificial moderna, entendendo como redes neurais aprendem padrões, como preparar dados corretamente e como evitar erros comuns que atrapalham o treinamento de modelos.

A jornada começa pelos conceitos essenciais: o que é aprendizado profundo, como a IA se relaciona com o aprendizado de máquina e por que redes neurais se tornaram tão eficientes para lidar com imagens, textos e dados tabulares. Com uma abordagem direta e prática, você conecta teoria e implementação, construindo modelos no Keras e entendendo o papel de cada componente — camadas, funções de ativação, otimização, métricas e validação.

Ao longo das aulas e exercícios, você desenvolve autonomia para estruturar pipelines básicos de ciência de dados: ler dados com Pandas, normalizar e adequar formatos de entrada, separar conjuntos de treino e teste e interpretar resultados. Você também aprende decisões importantes do dia a dia, como escolher a função de perda mais adequada, trabalhar com saídas multiclasse, lidar com codificação one-hot e ajustar modelos para melhorar generalização.

O curso avança para aplicações clássicas e extremamente úteis no mercado. Em visão computacional, você entende como preparar imagens e por que arquiteturas convolucionais (CNNs) costumam ser superiores às redes totalmente conectadas em tarefas visuais. Em NLP, você dá os primeiros passos em análise de sentimento, aprendendo a trabalhar com representações de texto e modelos voltados para linguagem. Além disso, você descobre técnicas como Dropout para reduzir overfitting e tornar seus modelos mais robustos.

Se você quer iniciar em Inteligência Artificial e Ciência de Dados, fortalecer seu portfólio ou simplesmente aprender a criar e treinar modelos com Keras/TensorFlow com segurança, este curso oferece um caminho completo do fundamento à prática, com exemplos aplicados e exercícios para fixação.

Conteúdo do curso

Aula em vídeo: #1 CURSO DE DEEP LEARNING - O QUE É DEEP LEARNING APRENDIZADO PROFUNDO 03m
Aula em vídeo: #2 CURSO DE DEEP LEARNING - O QUE É INTELIGÊNCIA ARTIFICIAL 03m
Exercício: Qual afirmação descreve melhor a diferença entre IA fraca e IA forte?
Aula em vídeo: #3 CURSO DE DEEP LEARNING - O QUE SÃO REDES NEURAIS 05m
Exercício: Em um exemplo de reconhecimento de escrita manual com redes neurais, qual é a saída esperada do modelo após receber uma imagem de entrada?

Aula em vídeo: #4 CURSO DE DEEP LEARNING - COMO REDES NEURAIS LIDAM COM DADOS 02m
Aula em vídeo: #5 CURSO DE DEEP LEARNING - NORMALIZAÇÃO DE DADOS 19m
Exercício: Ao normalizar valores de pixels para usar como entrada em uma CNN no Keras/TensorFlow, qual abordagem simples coloca os dados no intervalo aproximado de 0 a 1?
Aula em vídeo: #6 CURSO DE DEEP LEARNING - SEPARALIDADE LINEAR E APRENDIZADO DE MÁQUINA 05m

Aula em vídeo: #7 CURSO DE DEEO LEARNING - COMO INSTALAR O KERAS E O TENSORFLOW 03m
Exercício: Ao configurar o ambiente para Deep Learning com Keras e TensorFlow, qual biblioteca é indicada para salvar modelos treinados?
Aula em vídeo: #8 CURSO DE DEEP LEARNING - CRIANDO MODELO COM O KERAS 16m
Exercício: Ao criar um modelo com a API Sequential para aprender a função y = 2x, qual parâmetro é obrigatório informar na primeira camada Dense para definir o tamanho de cada exemplo de entrada?
Aula em vídeo: #9 CURSO DE DEEP LEARNING - RESOLVENDO PROBLEMA DA NOTA DO ALUNO 15m
Exercício: Ao treinar uma rede neural para prever a nota de um aluno a partir de horas dormidas e horas estudadas, qual prática ajudou a evitar previsões numéricas instáveis (ex.: valores infinitos) ao usar Keras/TensorFlow?

Aula em vídeo: #10 CURSO DE DEEP LEARNING - DATASETS QUE VAMOS UTILIZAR 02m
Exercício: Qual combinação de datasets e tarefas está correta para treinar modelos com Keras/TensorFlow em visão computacional e NLP?
Aula em vídeo: #11 CURSO DE DEEP LEARNING - LENDO ARQUIVO CSV COM O PANDAS 06m

Aula em vídeo: #12 CURSO DE DEEP LEARNING - IRIS DATASET COM O KERAS 15m
Exercício: Ao treinar um modelo Keras para classificar 3 classes usando one-hot encoding na saída com ativação softmax, qual função de perda é a mais adequada?
Aula em vídeo: #13 CURSO DE DEEP LEARNING - MNIST COM O KERAS 25m
Exercício: Ao treinar um modelo sequencial (MLP) no MNIST com Keras, qual pré-processamento é essencial para evitar erro de formato ao usar camadas Dense?

Aula em vídeo: #14 CURSO DE DEEP LEARNING - MNIST COM REDES CONVULACIONAIS 23m

Aula em vídeo: #15 CURSO DE DEEP LEARNING - IMDB SENTIMENT ANALYSIS 16m
Aula em vídeo: #16 CURSO DE DEEP LEARNING - CAMADA DROPOUT 14m

Cursos online Gratuitos sobre Deep Learning (Aprendizado Profundo)

Aprenda sobreDeep Learning (Aprendizado Profundo)

Encontre os melhores cursos online gratuitos de Deep Learning (Aprendizado Profundo) com certificado e aprenda redes neurais, inteligência artificial, visão computacional e processamento de dados. Estude no seu ritmo, desenvolva habilidades valorizadas pelo mercado e amplie suas oportunidades profissionais com conteúdos acessíveis para iniciantes e avançados.

Cursos online Gratuitos sobre Redes Neurais

Aprenda sobreRedes Neurais

Encontre cursos online gratuitos de Redes Neurais e aprenda desde os fundamentos até técnicas avançadas de inteligência artificial, machine learning e deep learning. Estude no seu ritmo, desenvolva habilidades valorizadas pelo mercado e amplie suas oportunidades profissionais com conteúdos de qualidade e certificado. Comece agora sua formação em Redes Neurais!

Aprenda sobreKeras

Aprenda Keras com cursos online gratuitos e com certificado, ideais para quem deseja criar redes neurais, desenvolver projetos de deep learning e aprimorar habilidades em inteligência artificial. Encontre conteúdos para iniciantes e profissionais, estude no seu ritmo e avance na carreira com formação prática e acessível.

Cursos online Gratuitos sobre TensorFlow

Aprenda sobreTensorFlow

Encontre os melhores cursos online gratuitos de TensorFlow com certificado e aprenda a criar modelos de inteligência artificial, machine learning e deep learning. Estude do básico ao avançado, desenvolva habilidades práticas em redes neurais e programação com Python e prepare-se para novas oportunidades na área de tecnologia.