|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/redes-neurais-artificiais-com-python/
课程评论：没有评论
《Python 神经网络与实践》课程概览： 本课程旨在教授学员如何利用 Python 构建和训练人工智能系统，特别是神经网络，以识别和分类各种模式。课程内容涵盖从 Python 基础知识到高级神经网络 Keras 的实践应用。 **主要学习内容：** 1. **Python 基础概念：** 学习神经网络实践中必需的 Python 编程基础。 2. **数据预处理：** 掌握使用 Python 对数据进行预处理，以适应神经网络模型的输入要求。 3. **人工神经元（感知器）理论：** 深入理解感知器（人工神经元）的理论模型及其工作原理。 4. **感知器实践：** 通过 Python 实现简单的感知器和 Adaline 模型。 5. **多层感知器（MLP）理论：** 学习多层感知器的工作原理，包括反向传播（backpropagation error）的数学原理。 6. **Keras 实现 MLP：** 使用 TensorFlow 库中的 Keras 框架，并在 Kaggle 数据集上实践多层感知器的构建和训练。 7. **额外内容：** 课程将持续更新，提供额外的奖赏内容，学员享有永久访问权。 通过本课程，您将能够构建能自动识别和分类数据模式的智能系统，并将其应用于金融市场、客户和员工分类、图像识别等多个领域。
A cada dia, mais e mais vemos a presença de sistemas capazes de identificar padrões, desde os mais simples aos mais complexos, com diversas aplicações como: mercado financeiro, classificação de clientes, classificação de colaboradores, classificação de documentos, identificação de imagens, entre outras infinitas possibilidades. Neste curso você será capaz de treinar um sistema inteligente (Rede Neural Artificial) para classificar padrões com base em características dos seus dados.Seguem os temas abordados:1- Conceitos básicos de python:Serão apresentados alguns conceitos de programação em Python que serão utilizados durante os outros módulos práticos do curso.2- Pré-processamento de dados com Python para aplicação de Redes Neurais Artificiais:Serão apresentados conceitos práticos de pré-processamento sensorial dados para a aplicação de redes neurais artificiais.3-Introdução sobre o Perceptron (neurônio artifical):Serão apresentados conteúdos teóricos sobre o perceptron ou o neurônio artificial e seu devido funcionamento.4- Implementação prática em Python de dois modelos de Perceptron (simples e Adaline):Será feita a implementação prática de dois tipos de preceptron o perceptron simples e o perceptron Adaline utilizando os conceitos básicos aprendidos de Python.5- Introdução sobre a rede neural artificial Perceptron Multicamadas:Será realizada a apresentação teórica do funcionamento de uma rede neural artificial do tipo perceptron multicamada bem como o funcionamento de seu treinamento o backpropagation error, algumas demostrações matemáticas deste processo são apresentadas.6- Implementação prática da Perceptron Multicamadas em base de dados do Kaggle utilizando a biblioteca Keras do Python:será realizada a implementação prática de uma preceptron multicamada utilizando uma base de dados do Kaggle e a biblioteca keras do tensorflow no Python.7-Conteúdos Bônus que serão incluídos com o tempo no cursoNovos conteúdos serão disponibilizados com o tempo estes serão conteúdos bônus que os alunos terão acesso bem como acesso vitalício ao conteúdo fixo.
