ESTI | Escola Superior da TI

ESCOLA SUPERIOR DA
TECNOLOGIA DA INFORMAÇÃO

INSTITUTO INFNET

Faculdade de Ciência de Dados e Inteligência Artificial

Aprendizagem de Máquina Supervisionada

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.

SAIBA MAIS SOBRE O DIA A DIA

Isto é tudo, obrigado! 😀