|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/crie-50-aplicacoes-modernas-de-inteligencia-artificial/
课程评论：没有评论
课程名称：《创建50个现代人工智能应用 2025》 课程概述： 本课程旨在让学员深入掌握人工智能的实际应用，通过学习和实践超过30种不同的技术，如神经网络、回归分析、模糊逻辑、智能体、大型语言模型（LLMs）、自然语言处理（NLP）、推荐系统等，利用Python生态系统中的40个强大库构建真实的解决方案。每个项目都从概念出发，逐步引导学员实现，从而探索包括金融、健康、教育、物流、营销和计算机视觉等多个领域的应用。该课程是希望学习人工智能并专注于实际应用的人的最佳指南。 应用领域： - 金融：7个应用 - 安全：1个应用 - 销售：5个应用 - 营销：6个应用 - 自然语言处理：4个应用 - 健康：2个应用 - 物流：2个应用 - 教育：4个应用 - 工业：3个应用 - 数据分析：2个应用 - 设计：1个应用 - 招聘与选拔：2个应用 - 可持续发展：1个应用 - 其他领域：6个应用 使用的技术： - 预测建模：线性回归、逻辑回归、多标签分类、朴素贝叶斯（分类与多项式） - 神经网络：多层感知器（MLP）、深度学习（LSTM、Transformer）、文本生成、时间序列分析（ARIMA） - 自然语言处理（NLP）：BERT、TF-IDF + 余弦相似度等 - 推荐系统：矩阵分解、基于内容的推荐、相似性推荐等 - 数据分析与规则：关联规则、图论等 - 计算机视觉等 使用的库： - 机器学习 / 深度学习：tensorflow、keras、torch、sklearn、surprise - 文本生成与语言模型：transformers、whisper、openai - 数据预处理与统计：numpy、pandas、scipy - 数据可视化：matplotlib、seaborn - 计算机视觉及其他：cv2等 课程包括支持材料、源代码和技术支持！快来报名吧！
Domine o mundo da Inteligência Artificial na prática com o curso 50 Aplicações Modernas de IA. Aprenda a criar soluções reais utilizando mais de 30 técnicas diferentes - como Redes Neurais, Regressão, Lógica Difusa, Agentes, LLMs, NLP, Sistemas de Recomendação e muito mais - com o apoio de 40 bibliotecas poderosas do ecossistema Python. Cada projeto foi pensado para te levar do conceito à implementação, explorando áreas como finanças, saúde, educação, logística, marketing e visão computacional. Tudo em um único curso!! Este é o guia definitivo para quem quer aprender IA com foco total em aplicações do mundo real.Áreas das Aplicações:Finanças: 7 aplicaçõesSegurança: 1 aplicaçãoVendas: 5 aplicaçõesMarketing: 6 aplicaçõesProcessamento de Linguagem Natural: 4 aplicaçõesBem-estar: 4 aplicaçõesSaúde: 2 aplicaçõesLogística: 2 aplicaçõesEducação: 4 aplicaçõesIndústria: 3 aplicaçõesAnálise de Dados: 2 aplicaçõesDesing: 1 aplicaçãoRecrutamento e Seleção: 2 aplicaçõesSustentabilidade: 1 aplicaçãoOutras áreas: 6 aplicaçõesTécnicas Utilizadas:Modelagem Preditiva Regressão Linear, Regressão Logística, Classificação Multi-Label, Naive Bayes Categórico, Naive Bayes Multinomial, Perceptron Multicamadas (MLP), Redes Neurais, Redes Neurais Artificiais, Clusterização, Distribuição de Poisson Redes Neurais Avançadas & Deep LearningLSTM, Transformers, Transfer Learning, Geração de Texto com IA, RAG (Retrieval-Augmented Generation) Séries TemporaisARIMA, Séries TemporaisTécnicas Evolutivas & LógicasAlgoritmos Genéticos, Lógica Difusa, Técnicas de OtimizaçãoProcessamento de Linguagem Natural (PLN)BERT, Processamento de Linguagem Natural (PLN), TF-IDF + Similaridade de Cosseno, CountVectorizer Sistemas de RecomendaçãoMatrix Factorization, Recomendação por Conteúdo, Recomendação por Similaridade Análise de Dados e RegrasRegras de Associação, Teoria dos GrafosPesquisa OperacionalProgramação Linear Visão ComputacionalVisão ComputacionalBibliotecas Utilizadas:Machine Learning / Deep Learningtensorflow, keras, torch, sklearn, surprise, statsmodels, pmdarima Modelos de Linguagem & Geração de Texto / IA Generativatransformers, diffusers, whisper, openai, deepseek, langchain, langchain_openai, langchain_community NLP (Processamento de Linguagem Natural)nltk, textblob, sentence_transformers, datasets Pré-processamento, Estatística e Otimizaçãonumpy, scipy, pandas, random, re, pulp, geneticalgorithm, skfuzzy Visualização de Dadosmatplotlib, seaborn, PIL, mpl_toolkits Regras, Associação e Outros Algoritmosmlxtend, networkx Visão Computacionalcv2 Manipulação de Dados / Utilitárioscsv, io, os, glob, sqlite3, sys, joblib, requests, IPythonInclui material de apoio, código fonte e suporte!Inscreva-se agora!
