Inteligência Artificial e Machine Learning: O Guia Completo

Quer estudar IA e não sabe por onde começar? Aqui você aprende tudo o que precisa saber sobre a área na teoria e prática

4.74 (1090 reviews)
Udemy
platform
Português
language
Data Science
category
instructor
Inteligência Artificial e Machine Learning: O Guia Completo
9,723
students
25.5 hours
content
Jan 2024
last update
$54.99
regular price

What you will learn

A base teórica e prática dos principais algoritmos de Inteligência Artificial

Implementar algoritmos de Inteligência Artificial do zero e utilizando bibliotecas

Aprender na teoria e na prática sobre os algoritmos de Machine Learning para classificação, regressão, regras de associação e agrupamento

Aprender Machine Learning sem saber uma linha de programação sequer

Utilizar a ferramenta visual Orange para criar, analisar e testar os algoritmos

Utilizar a linguagem de programação Python para criar algoritmos de Inteligência Artificial

Aprender o básico da programação em Python

Utilizar os algoritmos de busca gulosa e A* (A Estrela) encontrar a menor rota entre cidades

Implementar algoritmos de otimização para problemas de minimização e maximização

Implementar uma IA para prever o valor da gorjeta a ser dada em um restaurante, utilizando lógica difusa (fuzzy)

Utilizar técnicas de exploração de dados aplicada em uma base de dados da doença COVID-19

Criar um agente com aprendizagem por reforço para controlar os passageiros de um táxi

Utilizar redes neurais artificiais e redes neurais recorrentes para classificar as imagens dos personagens Homer e Bart, do desenho dos Simpsons

Aprender técnicas de processamento de linguagem natural e crie um classificador de sentimentos

Detectar e reconhecer faces com usando técnicas de visão computacional

Rastrear objetos em vídeo utilizando visão computacional

Criar sistemas multiagente para simular uma comunicação entre agentes

Description

Atualmente, a área de Inteligência Artificial e Machine Learning (Aprendizagem de Máquina) estão sendo considerados os campos de trabalho mais relevantes da Tecnologia da Informação, sendo responsáveis pela utilização de algoritmos inteligentes para a construção de software e hardware que simulem a capacidade humana. O mercado de trabalho de Machine Learning em várias partes do mundo está em grande ascensão e a tendência é que este tipo de profissional seja cada vez mais requisitado! Inclusive alguns estudos apontam que o conhecimento dessa área será em breve um pré-requisito para os profissionais de Tecnologia da Informação!

Para levar você até essa área, neste curso você terá uma visão teórica e principalmente prática sobre as principais e mais modernas técnicas de Inteligência Artificial! Este curso é considerado um guia completo pelo fato de apresentar desde conceitos mais básicos até técnicas mais modernas e avançadas, de modo que ao final você terá todas as ferramentas necessárias para construir soluções de Inteligência Artificial que podem ser aplicadas em problemas do dia-a-dia das empresas! O conteúdo está dividido em nove partes: algoritmos de busca, algoritmos de otimização, lógica difusa (fuzzy), machine learning, redes neurais (deep learning), processamento de linguagem natural, visão computacional, sistemas multiagente e também outras áreas de IA, como sistemas especialistas, GPS (general problem solver), redes bayesianas e raciocínio baseado em casos! Você aprenderá a teoria básica sobre cada um desses assuntos, bem como implementará exemplos práticos passo a passo. Veja abaixo alguns dos projetos/tópicos que serão desenvolvidos:

  • Busca de rotas com melhores caminhos em mapas de cidades (busca gulosa e busca A*)

  • Escolha das passagens áreas mais baratas, em um cenário de compra de passagens em grupo e maximização de lucros no carregamento de produtos - algoritmos de otimização: hill climb (subida da encosta), simulated annealing (têmpera simulada) e algoritmo genético

  • Previsão do valor que você daria de gorjeta em um restaurante (lógica fuzzy)

  • Classificação utilizando os algoritmos naïve bayes, árvore de decisão, regras, k-NN, regressão logística e redes neurais

  • Previsão do preço de casas utilizando regressão linear

  • Agrupamento de dados bancários utilizando o algoritmo k-means

  • Geração de regras de associação com o algoritmo apriori

  • Pré-processamento, redução de dimensionalidade e detecção de outliers em bases de dados

  • Previsão do preço de ações com séries temporais

  • Visualização e exploração de dados na base de dados da doença COVID-19

  • Construção de um agente para controlar um táxi para transporte de passageiros com aprendizagem por reforço

  • Classificação de imagens de gatos e cachorros com redes neurais convolucionais

  • Classificação das imagens do Homer e Bart, do desenho dos Simpsons também utilizando redes neurais convolucionais

  • Marcação POS (part-of-speech), lematização, stemização, nuvem de palavras (wordcloud) e extração de entidades nomeadas utilizando técnicas de processamento de linguagem natural

  • Criação de um classificador de sentimentos em Português

  • Detecção de faces e reconhecimento facial em imagens

  • Rastreamento de objetos de vídeos

  • Simulação de um sistema multiagente para comunicação entre agentes utilizando o protocolo FIPA-REQUEST

Cada tipo de problema requer técnicas diferentes para sua solução, portanto, conhecendo todas as áreas de IA você saberá que técnicas utilizar nos mais variados tipos de cenários!

Durante o curso, vamos utilizar a linguagem de programação Python e também a ferramenta gráfica Orange! Caso você não conheça Python, no final do curso você tem acesso a mais de 5 horas de vídeo com exercícios com o básico sobre essa linguagem de programação! Este é o curso ideal caso seja seu primeiro contato com Inteligência Artificial, pois você aprenderá na teoria e na prática todos os tópicos necessários! Caso você seja de nível mais avançado nessa área, pode utilizar esse curso como uma referência e para aprender novas área e revisar os conceitos

Content

Introdução

Boas-vindas e conteúdo do curso
Mais sobre Inteligência Artificial
Recursos para download
Terminologia

----- Parte 1 - Algoritmos de busca -----

Introdução
Teoria sobre buscas
Heurísticas
Vetores ordenados
Vetor ordenado - teoria
Vetor ordenado - implementação
Criação do mapa das cidades
Busca gulosa - teoria
Busca em gulosa - implementação
Busca gulosa - debug passo a passo
Busca A* (A Estrela) - teoria
Busca A* (A Estrela) - implementação
Busca A* (A Estrela) - debug passo a passo
EXERCÍCIO
Solução para o exercício

----- Parte 2 - Algoritmos de otimização -----

Introdução à algoritmos de otimização
Estudo de caso dos voos
Representação do problema - implementação
Impressão da solução - implementação
Função de custo (fitness) - implementação
Hill climb - teoria
Hill climb - implementação
Simulated annealing - teoria
Simulated annealing - implementação
Algoritmo genético - teoria
Algoritmo genético - implementação
EXERCÍCIO
Solução para o exercício

----- Parte 3 - Lógica difusa (fuzzy) -----

Introdução
Teoria
Implementação 1
Implementação 2
Implementação 3
EXERCÍCIO
Solução para o exercício

----- Parte 4 - Machine learning -----

Introdução
Introdução à Machine Learning e Data Science

Classificação

O que é classificação
Naïve bayes
Naïve bayes com Orange
Árvore de decisão
Árvore de decisão com Orange
Aprendizagem por regras
Regras com Orange
Aprendizagem baseada em instâncias - kNN
kNN com Orange
Aprendizagem com máquinas de vetores de suporte (SVM)
SVM com Orange
Regressão logística
Regressão logística com Orange
Validação cruzada
EXERCÍCIO
Solução para o exercício
Classificação de imagens com Orange

Regressão

O que é regressão
Regressão linear
Regressão linear com Orange
EXERCÍCIO
Solução para o exercício

Agrupamento

O que é agrupamento
Algoritmo k-means
K-means com Orange
EXERCÍCIO
Solução para o exercício
Agrupamento de imagens com Orange

Associação

O que é associação
Algoritmo Apriori
Apriori com Orange
EXERCÍCIO
Solução para o exercício

Tópicos complementares

Pré-processamento: valores faltantes e normalização
Pré-processamento: discretização
Seleção de atributos
Redução de dimensionalidade com PCA
PCA e agrupamento
Detecção de outliers
Séries temporais 1
Séries temporais 2
Séries temporais 3

Visualização e exploração de dados

Gráficos básicos com Orange
Exploração de dados COVID-19 1
Exploração de dados COVID-19 2
Exploração de dados COVID-19 3
Exploração de dados COVID-19 4
Exploração de dados COVID-19 5

Aprendizagem por reforço

Introdução
Teoria
Implementação 1 - ambiente
Implementação 2 - treinamento 1
Implementação 3 - treinamento 2
Implementação 4 - avaliação

----- Parte 5 - Redes neurais artificias e deep learning -----

Introdução
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
Redes neurais com Orange
Deep learning com TensorFlow 1
Deep learning com TensorFlow 2
Deep learning com TensorFlow 3
EXERCÍCIO
Solução para o exercício
Introdução a redes neurais convolucionais I
Introdução a redes neurais convolucionais II
Etapa 1 - operador de convolução (introdução)
Etapa 1 - operador de convolução (cálculo)
Etapa 2 - pooling
Etapa 3 - flattening
Etapa 4 - rede neural densa
Redes neurais convolucionais com TensorFlow 1
Redes neurais convolucionais com TensorFlow 2
EXERCÍCIO
Solução para o exercício
Outros tipos de redes neurais

----- Parte 6 - Processamento de linguagem natural -----

Introdução
Marcação POS, lematização e stemização
Carregamento da base de dados
Buscas em textos com spaCy
Extração de entidades nomeadas
Wordcloud com Python
Wordcloud com Orange
Classificação de sentimentos com spaCy 1
Classificação de sentimentos com spaCy 2
Classificação de sentimentos com spaCy 3
Classificação de sentimentos com spaCy 4
Classificação de sentimentos com spaCy 5
Classificação de sentimentos com spaCy 6
Classificação de sentimentos com spaCy 7
Classificação de sentimentos com spaCy 8
Classificação de sentimentos com spaCy 9
EXERCÍCIO
Solução para o exercício
Classificação de textos com Orange

----- Parte 7 - Visão computacional -----

Introdução
Detecção de faces e objetos - teoria
Detecção de faces - implementação
EXERCÍCIO
Solução para o exercício
Reconhecimento facial - teoria
Reconhecimento facial - treinamento
Reconhecimento facial - classificação
Rastreamento de objetos - teoria
Rastreamento de objetos - implementação

----- Parte 8 - Sistemas multiagente -----

Introdução
Teoria
Implementação 1 - criação de agentes
Implementação 2 - comportamentos
Implementação 3 - comunicação FIPA REQUEST
Implementação 4 - comunicação FIPA REQUEST
Implementação 5 - comunicação FIPA REQUEST

----- Parte 9 - Outras áreas da Inteligência Artificial -----

Introdução
Sistemas especialistas - teoria
Sistemas especialistas com Expert Sinta
Sistemas especialistas com Prolog
GPS teoria - general problem solver
GPS em Lisp - implementação
Redes Bayesianas - teoria
Redes Bayesianas com Netica
Raciocínio baseado em casos

Considerações finais

Considerações finais

Anexo - Programação básica em Python

Introdução ao Python
Instalação do Python
IDEs para Python
Manipulação de variáveis e constantes
Manipulação de strings
Operações matemáticas
EXERCÍCIOS
Solução para os exercícios
Operadores lógicos e relacionais
Operadores condicionais
EXERCÍCIOS
Solução para os exercícios
Estruturas de repetição - for
Estruturas de repetição - while
EXERCÍCIOS
Solução para os exercícios
Tuplas e listas
Dicionários e conjuntos
Matrizes
EXERCÍCIOS
Solução para os exercícios
Funções
EXERCÍCIOS
Solução para os exercícios
Módulos úteis - math e datetime
Módulos úteis - random e time
Criação de módulos personalizados
EXERCÍCIO
Solução para o exercício
Tratamento de erros e exceções
EXERCÍCIO
Solução para o exercício
Manipulação de arquivos de texto
EXERCÍCIO
Solução para o exercício
Expressões regulares - teoria básica
Expressões regulares - prática
EXERCÍCIOS
Solução para os exercícios
Orientação a objetos - teoria básica
Orientação a objetos - prática
EXERCÍCIO
Solução para o exercício

Reviews

Zaqueu
September 20, 2023
Pela dinâmica, o instrutor mostra no curso um compilado de informação onde ele mostras as ferramentas e as várias vertentes sobre a inteligência artificial mostrando uma maneira didática e prática.
Victor
September 8, 2023
até o momento tem cumprido o que promete e tem parecido muito promissor, vejamos se continua assim, eu aumento a nota.
Hugo
July 28, 2023
Fiquei surpreendido com o curso por tanto conteúdos disponíveis, não consegui absorver 100% sobre tudo, mas estarei estudando ainda... Didática é boa, mas peca em alguns pontos, tive que recorrer na internet para entender melhor, alguns projetos usando o PYCHARM está desatualizado, por conta da biblioteca... mas pude resolver de outros jeitos, o ponto negativo que senti falta foi atividades com perguntas e respostas, assim fixa melhor a "teoria", E mais projetos em python também.
Carlos
July 6, 2023
Por estar bem no início, as informações são mais preparatórias do conceituais. Minha expectativa conforme o curso vai avançando é conseguir absorver conhecimento e praticá-lo.
Ezenildo
May 13, 2023
No primeiro momento ja adorei o curso... a didatica do professor é ótima...recomendo sim esse curso...
Douglas
March 26, 2023
Estou começando a desbravar este universo e optei pelo meu início ser este curso. Tenho certeza que será fundamental todo o conhecimento por ele a ser transmitido e me trará uma visão para seguir rumo ao Doutorado.
Joaquim
May 25, 2022
Ainda estou meio perdido nos conteúdos do curso mas aos poucos estou me inteirando do processo de aprendizagem.
Gustavo
May 9, 2022
Foi um dos únicos cursos que conseguiu fazer com que eu buscasse estudar mais e fazer mais exercícios sobre o assunto. Na faculdade, assim como muitos cursos que já estudei, normalmente eu fico apenas com o conteúdo ministrado e só faço exercícios para estudar para uma eventual prova. O que não aconteceu aqui...
André
May 5, 2022
Curso muito completo, que inclui uma excelente introdução ao Python. Faz com que superemos a visão simplista sobre I.A
Gabriel
April 10, 2022
Ótimo com professor com didática. Está sendo muito útil para meu mestrado, parabéns para toda equipe.
HÉLCIO
November 28, 2021
parte do código deveria ter uma passo a passo para acompanhar, não foi explicado como chegar na interface de programação usada pelo instrutor para poder acompanhar as aulas
Alexandre
November 24, 2021
Prezados Senhores , Achei que o curso fosse algo mais superficial , mas estão de parabéns pelo enfoque dado ao assunto , um pouco extenso porem , muito completo e explicativo .Com certeza farei bom proveito, pois trabalho com automação de máquinas e depósitos automatizados .....perfeito !!!
Marcelo
September 22, 2021
Os pontos são abrangidos de forma superficial. O professor é enrolado e comete diversos erros em suas aulas. O pior deles foi dizer "A vezes B" quando deveria ter dito "A convolução B", visto que se tratava de um operador de convolução. É muito pouco para um Doutor na área.
Vinícius
August 9, 2021
O melhor curso sobre o assunto!!! Excelente didática, linguagem técnica apropriada, sem prolixidade acadêmica, direto ao ponto e com o conteúdo prático de livros complexos sobre o assunto, bem diante dos nossos olhos! Curso sensacional! Sou muito grato aos ensinamentos desse professor!
Igor
March 25, 2021
Ainda estou no início, mas já é notável uma excelente didática, planejamento e muito domínio do conteúdo

Charts

Price

Inteligência Artificial e Machine Learning: O Guia Completo - Price chart

Rating

Inteligência Artificial e Machine Learning: O Guia Completo - Ratings chart

Enrollment distribution

Inteligência Artificial e Machine Learning: O Guia Completo - Distribution chart
3427722
udemy ID
8/17/2020
course created date
8/29/2020
course indexed date
Bot
course submited by