Discutiremos por que hoje as redes neurais funcionam tão bem para lidar com vários problemas, começando pela história do aprendizado de máquina. Em seguida, falaremos sobre como configurar um problema de aprendizado supervisionado e encontrar uma boa solução com gradiente descendente. Isso envolve a criação de conjuntos de dados que permitem a generalização. Esses métodos serão abordados de maneira didática para auxiliar na realização dos testes.

Objetivos do curso: Identificar por que o aprendizado profundo é mais usado hoje em dia Otimizar e avaliar modelos usando funções de perda e métricas de desempenho Reduzir problemas comuns que surgem no aprendizado de máquina Criar conjuntos de dados de treinamento, avaliação e testes que podem ser repetidos e escalonáveis