机器学习的艺术和科学 – 葡萄牙语版

课程概况

Seja bem-vindo à arte e à ciência do aprendizado de máquina. Neste curso, você aprenderá as habilidades básicas de intuição, bom senso e experimentação em aprendizado de máquina para ajustar e otimizar seus modelos com o objetivo de conseguir o melhor desempenho.

Além disso, você conhecerá as ferramentas envolvidas no processo de treinamento. Primeiro, você fará ajustes manuais para observar os efeitos no desempenho do modelo. Depois de se familiarizar com essas ferramentas, também conhecidas como hiperparâmetros, você aprenderá a ajustá-las automaticamente usando o Cloud Machine Learning Engine no Google Cloud Platform.

课程大纲

Introdução

Visão geral do curso destacando os principais objetivos e módulos. Primeiro, você conhecerá os aspectos do aprendizado de máquina que requerem alguma intuição, bom senso e experimentação. Essa é a arte do aprendizado de máquina. Você verá quais são as ferramentas envolvidas no processo de treinamento e fará ajustes manuais para observar os efeitos no desempenho do modelo.

A arte do aprendizado de máquina

Neste curso, você aprenderá sobre a arte do aprendizado de máquina. Veremos os aspectos dessa tecnologia que requerem intuição, bom senso e experimentação para encontrar o equilíbrio correto e definir o que é bom o bastante. Alerta de spoiler: perfeição não existe!

Ajuste de hiperparâmetros

Neste módulo, você aprenderá a diferença entre parâmetros e hiperparâmetros. Em seguida, discutiremos as abordagens tradicionais de pesquisa de grade e aprenderemos a ir além dela, com algoritmos mais inteligentes. Por fim, você verá como é conveniente automatizar o ajuste de hiperparâmetros no Cloud ML Engine.

Uma pitada de ciência

Neste módulo, começaremos a introduzir a ciência envolvida no aprendizado de máquina. Primeiro, falaremos sobre como regularizar a esparsidade para ter modelos mais simples e concisos. Em seguida, falaremos sobre regressão logística e aprenderemos como determinar o desempenho.

A ciência das redes neurais

Neste módulo, vamos nos aprofundar na ciência. Mais especificamente, nas redes neurais.

Embeddings

Neste módulo, você aprenderá a usar embeddings pra gerenciar dados esparsos, além de criar modelos de aprendizado de máquina que usam esses dados, consomem menos memória e são treinados mais rapidamente. Embeddings também são uma maneira de fazer reduções dimensionais e, dessa forma, criar modelos mais simples e generalizáveis.

Estimator personalizado

Neste módulo, criaremos um Estimator personalizado para ir além do uso de Estimators fixos. Ao escrever um Estimator personalizado, você poderá ter mais controle sobre a função do modelo.

Resumo

Revise os principais conceitos abordados no curso “Arte e ciência do aprendizado de máquina”.