Introdução à IA

Semana 1

Esta aula apresenta os principais conceitos da IA:

  • A definição de IA, aprendizado de máquina e aprendizagem profunda
  • Desenvolvimentos históricos que agora diferenciam a IA moderna da IA anterior
  • Exemplos de aprendizado de máquina e aprendizagem profunda
  • As diferenças entre a aprendizagem supervisionada e a não supervisionada
  • Exemplos de onde a IA está sendo aplicada

Baixar

Semana 2

Esta aula aborda as indústrias que estão sendo transformadas pela IA e dá exemplos de:

  • Cuidados de saúde e genômica
  • Transportes e direção autônoma
  • Varejo e cadeia de suprimentos
  • Finanças
  • Industrial
  • Governo

Baixar

Semana 3

Esta aula se concentra em IA na empresa, apresenta o fluxo de trabalho da ciência de dados e ensina como:

  • Identificar as etapas no fluxo de trabalho da ciência de dados
  • Identificar os principais papéis e conjuntos de habilidades dentro do campo da IA
  • Descrever maneiras de estruturar uma equipe de IA
  • Identificar equívocos comuns da ciência de dados
  • Identificar os componentes da manutenção do modelo de IA após a implantação

Baixar

Semana 4

Esta aula introduz o conceito de aprendizagem supervisionada. Você poderá:

  • Explicar como formular um problema de aprendizagem supervisionada
  • Comparar e compreender as diferenças entre treinamento e inferência
  • Descrever os perigos do sobreajuste e do treinamento versus testes de dados
  • Entender como a linguagem de programação Python se aplica à IA

Para uma compreensão mais avançada do aprendizado de máquina e da aprendizagem supervisionada, consulte Aprendizado de Máquina.

Baixar

Semana 5

Esta aula se concentra em fontes e tipos de dados. Como os dados são uma parte crítica do treinamento de uma rede neural de inteligência artificial, esta lição discute:

  • Como reconhecer situações em que mais amostras de dados são necessárias
  • Data wrangling, data augmentation e engenharia de recursos
  • Como identificar problemas como sobreajuste e subajuste
  • Vários conjuntos de dados populares usados no treinamento de redes neurais
  • Diferentes métodos de pré-processamento de dados
  • Formas de rotular dados
  • Como identificar desafios ao trabalhar com dados

Baixar

Semana 6

Esta sessão analisa os princípios da aprendizagem profunda, incluindo:

  • Os conceitos básicos da aprendizagem profunda e como ela se incorpora à IA e ao aprendizado de máquina
  • Os tipos de problemas que a aprendizagem profunda resolve
  • As etapas na construção de um modelo de rede neural
  • A definição de uma rede neural convolucional (CNN)
  • Transferência de aprendizagem e por que ela é útil
  • Arquiteturas comuns de aprendizagem profunda

Para uma compreensão mais avançada sobre aprendizagem profunda, consulte Aprendizagem Profunda.

Baixar

Semana 7

Esta semana aborda hardware, incluindo:

  • Computação ponta-a-ponta para IA
  • Os recursos fornecidos pelos data centers, gateways e computação de borda
  • Os diferentes tipos de processadores do data center à borda
  • Como o hardware da Intel® aplica-se à IA

Baixar

Semana 8

Conclua o curso com uma revisão dos principais componentes de construção de software. Esta aula trata de:

  • Frameworks de aprendizagem profunda
  • Bibliotecas e frameworks otimizados para arquitetura Intel®
  • O impacto do big data e o uso da biblioteca BigDL para o Apache Spark*
  • Obtendo acesso à Intel® AI DevCloud

Baixar