Inteligência Artificial com Python NATIVO

Name: Inteligência Artificial com Python NATIVO
Rating: 4.5 (7 reviews)

Aprenda a codificar algoritmos de IA utilizando apenas código nativo

Created byBen-Hur Varriano

Last updated 7/2020

Portuguese

Portuguese [Auto],

What you'll learn

Inteligência Artificial, Machine Learning e Deep Learning com Python em código nativo

Course content

14 sections • 117 lectures • 16h 20m total length

01-Apresentação do Curso de Inteligência Artificial com Python Nativo15:05

01-Introdução aos Algoritmos de Inteligência Artificial3:11
02-Entendendo a Fase de Treinamento e Execução6:17
03-Entendendo o Posicionamento dos Dados no Plano Cartesiano3:46
04-Cálculo do Algoritmo K-Nearest Neighbors10:53
05-Codificando o Algoritmo KNN em Python14:14
06-Executando o Algoritmo de Machine Learning KNN10:10
07-Executando Outros Exemplos com o KNN10:47
08-Entendendo a Base de Dados do Iris Dataset5:13
09-Classificando Dados de uma Base Real do Iris Dataset11:30
10-Codificação do Arquivo de Conversão - Parte 115:16
11-Codificação do Arquivo de Conversão - Parte 219:56
12-Execução do KNN com o Iris e a Classe de Conversão11:40

01-Fórmula Probabilística do Teorema de Bayes1:31
02-Explicação dos Dados de Treinamento5:40
03-Entendendo os Cálculos de Frequência4:50
04-Explicação dos Cálculos dos Pesos3:20
05-Percentuais Probabilísticos das Entradas para as Classes7:04
06-Aplicando o Teorema de Bayes4:52
07-Codificando o Naive Bayes em Python - Parte 116:12
08-Codificando o Naive Bayes em Python - Parte 213:04
09-Executando o Naive Bayes e Corrigindo Erros8:47
10-Outros Testes de Probabilidade com Naive Bayes12:51
11-Último Teste com o Naive Bayes Classificativo8:11

01-Entendendo os Dados de Treinamento3:32
02-Cálculo da Entropia Geral5:32
03-Isolamento dos Valores de Entrada3:43
04-Cálculo da Entropia Local4:42
05-Cálculo do Ganho de Informação para as Entradas7:42
06-Encontrando a Raiz da Árvore de Decisão3:12
07-Raiz, Ramos, Nós e Folhas da Árvore de Decisão6:17
08-Treinamento e Cálculo da Entropia em Python - Parte 15:56
09-Treinamento e Cálculo da Entropia em Python - Parte 216:19
10-Cálculo dos Totais das Proporções e Retorno das Entradas10:00
11-Ganho de Informação, Índice da Raiz e Nós da Árvore - Parte 112:30
12-Ganho de Informação, Índice da Raiz e Nós da Árvore - Parte 27:46
13-Predominância e Fase de Execução da Árvore13:15
14-Execução do Algoritmo da Árvore de Decisão7:13
15-Correção e Encerramento do Algoritmo Decision Tree6:59

01-Entendendo o Treinamento da Regressão Linear7:36
02-Fórmulas da Tabela de Resultados3:02
03-Cálculo da Fase de Execução do Algoritmo0:57
04-Entendendo o Plano Cartesiano da Regressão1:58
05-Tipos de Correlação na Distribuição dos Dados1:49
06-Algoritmo da Regressão Linear em Python18:14
07-Executando um Teste de Regressão Linear6:19
08-Utilizando Outros Valores na Fase de Execução5:02
09-Entendendo a API de Cotação do Dólar Comercial10:10
10-Iniciando a Codificação da Previsão do Dólar9:21
11-Finalizando a Codificação e Executando a Predição do Dólar13:50

01-Entendendo o Agrupamento ou Clusterização3:41
02-Aprendizado Autônomo ou Não Supervisionado e Aprendizado Supervisionado1:26
03-Entendendo os Valores de Entrada do Agrupamento4:57
04-Tabela de Grupos Aleatórios e Centróides3:17
05-Calculando a Distância dos Elementos entre os Grupos8:14
06-Próximas Etapas do Cálculo e Atualização dos Centróides7:16
07-Agrupamento Final com o Algoritmo K-Means3:30
08-Codificação do Algoritmo KMeans no Python - Parte 118:45
09-Codificação do Algoritmo KMeans no Python - Parte 220:02
10-Codificação do Algoritmo KMeans no Python - Parte 35:40
11-Clusterização no KMeans com Mais de Dois Grupos3:02
12-Parâmetro de Configuração dos Centroides12:29

01-Arquitetura do Neurônio Natural Biológico4:17
02-Estrutura Matemática do Neurônio Artificial6:08
03-Estrutura Matemática da Rede Neural Artifical3:39
04-Treinamento e Execução de uma Rede Neural4:48
05-Entendendo as Configurações da Rede Neural Artificial6:42
06-Codificando o Treinamento e o Gradiente Descendente4:15
07-Codificanto a Fase de Execução com as Épocas e o Backpropagation15:23
08-Executando a Rede Neural Artificial FeedForward4:25
09-Executando a Rede Neural com Múltiplos Elementos de Entrada5:44

Requirements

Conhecimentos básicos em Programação Python

Description

Neste curso você aprenderá a desenvolver códigos de Inteligência Artificial utilizando apenas a linguagem Python nativamente sem algoritmos prontos ou bibliotecas de terceiros com exemplos de classificação, regressão e agrupamento/clusterização. Ao codificar tudo do zero isso te possibilitará ter uma visão mais abrangente da teoria matemática e algorítmica por trás dos principais algoritmos de Aprendizado de Máquina, facilitando a sua posterior codificação através de frameworks e bibliotecas prontas. Com isso você terá uma base sólida para a aplicação destes algoritmos que poucos profissionais da área têm.

Who this course is for:

Programadores Python e Estudantes ou Profissionais da área de Inteligência Artificial

Inteligência Artificial com Python NATIVO

What you'll learn

Explore related topics

Course content

Introdução ao Curso1 lecture • 15min

Classificação com K-Nearest Neighbors12 lectures • 2hr 3min

Naive Bayes Probabilístico11 lectures • 1hr 26min

Naive Bayes Classificativo4 lectures • 34min

Árvore de Decisão15 lectures • 1hr 55min

Regressão Linear Simples11 lectures • 1hr 18min

Regressão Linear Multivariada6 lectures • 40min

Regressão Linear Multivariável3 lectures • 32min

Clusterização com k-Means12 lectures • 1hr 32min

Rede Neural Feedforward9 lectures • 55min

Requirements

Description

Who this course is for: