Art and Science of Machine Learning em Português Brasileiro

Overview

Este é o curso Art and Science of Machine Learning. O curso tem seis módulos. Falaremos sobre as habilidades essenciais de intuição, bom senso e experimentação em ML para ajustar e otimizar modelos e ter melhor desempenho. Você aprenderá a generalizar os modelos usando técnicas de regularização e conhecerá os efeitos dos hiperparâmetros, como tamanho de lote e taxa de aprendizado, sobre o desempenho do modelo. Também abordaremos alguns algoritmos mais comuns de otimização de modelo e mostraremos como especificar um método de otimização no código do TensorFlow.

Syllabus

Introdução

Este é o curso Art and Science of Machine Learning. Falaremos sobre as habilidades essenciais de intuição, bom senso e experimentação em ML para ajustar e otimizar modelos e ter melhor desempenho. Você aprenderá a generalizar os modelos usando técnicas de regularização e conhecerá os efeitos dos hiperparâmetros, como tamanho de lote e taxa de aprendizado, sobre o desempenho do modelo. Também abordaremos alguns algoritmos mais comuns de otimização de modelo e mostraremos como especificar um método de otimização no código do TensorFlow.

A arte do ML

Neste módulo, você aprenderá a ajustar o tamanho do lote e a taxa de aprendizado para melhorar o desempenho do modelo, otimizá-lo e aplicar os conceitos ao código do TensorFlow.

Ajuste de hiperparâmetros

Neste módulo, você aprenderá a diferenciar parâmetros e hiperparâmetros. Em seguida, veremos a abordagem tradicional de pesquisa de grade e outras com algoritmos mais inteligentes. Por fim, você verá como o Cloud ML Engine facilita a automação do ajuste de hiperparâmetros.

Uma pitada de ciência

Neste módulo, falaremos da ciência junto com a arte do machine learning. Primeiro vamos falar sobre como fazer a regularização da esparsidade e criar modelos mais simples e concisos. Depois abordaremos a regressão logística e veremos como determinar o desempenho.

A ciência das redes neurais

Neste módulo, vamos nos aprofundar na ciência, especificamente as redes neurais.

Embeddings

Neste módulo, você aprenderá a usar embeddings para gerenciar dados esparsos, acelerando o treinamento e reduzindo o consumo de memória dos modelos de machine learning que usam esses dados. Os embeddings também são uma forma de reduzir a dimensionalidade e tornar os modelos mais simples e generalizáveis.