Udemy

Platform

Português

Language

Data Science

Category

Aprendizagem por Reforço com Deep Learning, PyTorch e Python

Construa a um carro autônomo virtual com Inteligência Artificial e Deep Q-Learning

4.60 (229 reviews)

Students

6 hours

Content

Jan 2021

Last Update
Regular Price

BLUE HOST
Blue Host
Fast, easy, and secure WordPress hosting in minutes + 1 free domain name
65%OFF : $2.95/month

What you will learn

Teoria sobre aprendizagem por reforço com o algoritmo Q-Learning e Deep Q-Learning

Implementação passo a passo de uma inteligência artificial para controlar um carro autônomo virtual

Redes neurais artificiais


Description

A área de Deep Learning (Aprendizagem Profunda) está relacionada a aplicação das redes neurais artificiais na resolução de problemas complexos e que requerem artifícios computacionais avançados. Existem diversas aplicações práticas que já foram construídas utilizando essas técnicas, tais como: carros autônomos, descoberta de novos medicamentos, cura e diagnóstico antecipado de doenças, geração automática de notícias, reconhecimento facial, recomendação de produtos, previsão dos valores de ações na bolsa de valores e até mesmo a geração automática de roteiros de filmes! Nesses exemplos, a técnica base utilizada são as redes neurais artificiais, que procuram "imitar" como o cérebro humano funciona e são consideradas hoje em dia como as mais avançadas no cenário de Machine Learning (Aprendizagem de Máquina).

Também dentro do contexto da Aprendizagem de Máquina existe a área de Aprendizagem por Reforço, que é um tipo de aprendizagem usado em sistemas multi-agente no qual os agentes devem interagir no ambiente e aprenderem por conta própria, ganhando recompensas positivas quando executam ações corretas e recompensas negativas quando executam ações que não levem para o objetivo. O interessante dessa técnica é que a inteligência artificial aprende sem nenhum conhecimento prévio, adaptando-se ao ambiente e encontrando as soluções sozinho!

E para levar você até essa área, neste curso você terá uma visão teórica e principalmente prática sobre a construção de um carro autônomo virtual utilizando aprendizagem por reforço! Vamos trabalhar com técnicas modernas de Deep Learning com a biblioteca PyTorch e a linguagem Python! Ao final você terá todas as ferramentas necessárias para solucionar outros tipos de problemas com aprendizagem por reforço. O conteúdo do curso está dividido em três partes:

  • Teoria sobre aprendizagem por reforço com o algoritmo Q-Learning

  • Teoria da aprendizagem por reforço com Deep Q-Learning, com a utilização de redes neurais artificiais

  • Construção passo a passo da inteligência artificial para controlar o carro autônomo

Você ainda conta com um anexo sobre o básico das redes neurais artificiais caso você não tenha muita experiência na área.

Este curso é categorizado como nível intermediário, pois apesar de existir o anexo para a revisão do conteúdo básico, é interessante que você já tenha uma certa experiência com a área de redes neurais.

Preparado(a) para dar um importante passo na sua carreira? Aguardamos você no curso! :)


Screenshots

Aprendizagem por Reforço com Deep Learning, PyTorch e Python
Aprendizagem por Reforço com Deep Learning, PyTorch e Python
Aprendizagem por Reforço com Deep Learning, PyTorch e Python
Aprendizagem por Reforço com Deep Learning, PyTorch e Python

Content

Bem-vindo(a) ao curso!

Boas vindas

Mais sobre Inteligência Artificial

----- Parte 1 - Fundamentos de Aprendizagem por Reforço -----

Bem-vindo(a) à Parte 1 - Fundamentos de Aprendizagem por Reforço

Q-Learning - Intuição e Visualização

Conteúdo

O que é aprendizagem por reforço?

A Equação de Bellman

O Plano

Markov Decision Process - MDP

Política x Plano

Adição de Penalidades - Living Penalty

Q-Learning - Intuição

Diferença Temporal

Q-Learning - Visualização

----- Parte 2 - Intuição Deep Q-Learning -----

Bem-vindo(a) à Parte 2 - Intuição Deep Q-Learning

Deep Q-Learning - Intuição

Conteúdo

Intuição Deep Q-Learning - Aprendizagem

Intuição Deep Q-Learning - Ações

Replay de Experiência

Políticas de Seleções de Ações

----- Parte 3 - Implementação Deep Q-Learning -----

Bem-vindo(a) à Parte 3 - Implementação Deep Q-Learning

Implementação Deep Q-Learning

Conteúdo

Configuração do Ambiente

IMPORTANTE: Configuração do ambiente

Carro autônomo - Parte 1

Carro autônomo - Parte 2

Carro autônomo - Parte 3

Carro autônomo - Parte 4

Carro autônomo - Parte 5

Carro autônomo - Parte 6

Carro autônomo - Parte 7

Carro autônomo - Parte 8

Carro autônomo - Parte 9

Carro autônomo - Parte 10

Carro autônomo - Parte 11

Carro autônomo - Parte 12

Carro autônomo - Parte 13

Carro autônomo - Parte 14

Carro autônomo - Parte 15

Carro autônomo - Parte 16

Visualização Deep Q-Learning

Carro autônomo - Nível 1

Carro autônomo - Nível 2

Carro autônomo - Nível 3

Carro autônomo - Nível 4

Anexo I - Redes Neurais Artificiais

Perceptron de uma camada

Redes multicamada - função soma e função de ativação

Redes multicamada - cálculo do erro

Descida do gradiente

Cálculo do parâmetro delta

Ajuste dos pesos com backpropagation

Bias, erro, descida do gradiente estocástica e mais parâmetros

Funções de ativação I

Funções de ativação II


Reviews

C
Caio30 March 2021

Sim, era o que esperava, só gostaria de explorar melhor a anatomia do environment, para a construção de ambientes do zero

J
Joao4 March 2021

Achei bem superficial, com muito tempo de vídeo focado e revisar contas e conteúdos que não agregam no curso. Senti falta de um conceito mais forte. Serve mais como propaganda para o portal de ensino dele. Ponto positivo é a parte prática com os códigos.

R
Rayanne28 February 2021

Esperava algo mais técnico no código. Do jeito que o instrutor colocou não ficou muito fácil de visualizar a aplicação do q-learning em outros cenários , pois não se explica o porquê de cada escolha do código.

A
Aldísio10 January 2021

Já tenho conhecimentos de aprendizado supervisionado e não supervisionado, fui para o curso com o desejo de descobrir um bom overview de aprendizado por reforço, a didática dos exemplos é muito boa, porém acho que deixou a desejar nos conceitos, ficou muito superficial e em algumas vezes a explicação ficou confusa em relação ao aprendizado supervisionado vs por reforço. Recomendaria dar mais ênfase na parte teórica principalmente com deep-learning.

T
Tamara31 July 2020

Amazing experience! Could learn about ML from zero and understand all concepts and algorithms. Thank you!

M
Mayke17 July 2020

Ótimo professor, admiro bastante, já tive aulas com ele em Campina Grande na PB. Incrível, recomendo e espelho bastante em seu trabalho, sou grato por você existir.

J
Júlio11 June 2020

Tive a impressão de que o professor deixa de explicar muitas coisas para tentar deixar o curso mais simples, mas na minha opinião isso apenas dificulta o aprendizado. Muitas coisas foram passadas apenas por alto. Apesar disso é um bom curso.

R
Renan18 May 2020

Achei o curso fraco. Parece que o Prof. fez um curso apartir de um codigo que achou na internet. A parte teorica etava bem atrapalhada.

R
Rafael21 April 2020

Dificuldade de aprendizado está um pouco além do que eu esperava, e ainda não cheguei a conseguir conectar o conteúdo passado com possíveis situações práticas no futuro.

D
Douglas23 February 2020

O exemplo de aplicação é muito fraco. Muito tempo gasto explicando a api feita para testar o algoritmo. Faltam mais exemplos de aplicação. Entretanto a ótima didática do Professor deixa o curso leve e bom de acompanhar. Mas é um curso 100% introdutório ao assunto.

R
Rodrigo22 February 2020

Gostei do curso, porém acredito que faltou um modulo de anexo (assim como de redes neurais) sobre o pacote Pytorch. Alguns exemplos mostrando no terminal do Spyder resultados, poderia deixar o entendimento do curso mais fácil.

R
Rafael9 February 2020

Ocorreram problemas ao compilar o ai.py, mas é um problema comum no python. As bibliotecas são modificadas prejudicando à aprendizagem. Sinceramente detesto esses problemas com as versões do python. Como o curso não foi atualizado ainda para o python 3.8.0, há muitos problemas. Eu instalei o python 3.6.9 e, mesmo assim, há alguns problemas para compilar. Um dica seria atualizar os videos para as versoes atuais do python.

L
Leandro8 January 2020

Excelente professor. Dificil de achar um curso nesse assunto que seja didatico e de qualidade como esse. Fiz um outro curso antes sobre esse assunto, mas pedi meu reembolso, pois a didatica era muito ruim. Agora esse curso e os professores estao de parabens! Me ajudou bastante! Obrigado!

H
Heverton25 August 2019

Muitos não gostam de exemplos matemáticos, mas pra mim são super importantes para o entendimento na prática, e foi por esse motivo que eu deu 5 estrelas.

M
Marco26 June 2019

Os cursos do Jones Granatyr são ótimos. E este curso de aprendizagem por reforço em essa parceria com SuperDataScience surpreende pela qualidade e em especial por tratar um tema emergente com didática simples e aplicação prática. Recomendo a todos.


2396992

Udemy ID

6/3/2019

Course created date

11/6/2019

Course Indexed date
Bot
Course Submitted by