Machine Learning com Weka e Java
4.7 (92 ratings)
Instead of using a simple lifetime average, Udemy calculates a course's star rating by considering a number of different factors such as the number of ratings, the age of ratings, and the likelihood of fraudulent ratings.
460 students enrolled
Wishlisted Wishlist

Please confirm that you want to add Machine Learning com Weka e Java to your Wishlist.

Add to Wishlist

Machine Learning com Weka e Java

Construa um sistema de Inteligência Artificial e aprenda em detalhes sobre os algoritmos de aprendizagem de máquina!
4.7 (92 ratings)
Instead of using a simple lifetime average, Udemy calculates a course's star rating by considering a number of different factors such as the number of ratings, the age of ratings, and the likelihood of fraudulent ratings.
460 students enrolled
Created by Jones Granatyr
Last updated 8/2017
Portuguese
Current price: $12 Original price: $50 Discount: 76% off
30-Day Money-Back Guarantee
Includes:
  • 17 hours on-demand video
  • 2 Articles
  • 45 Supplemental Resources
  • Full lifetime access
  • Access on mobile and TV
  • Certificate of Completion
What Will I Learn?
  • Cria seus próprios sistemas inteligentes utilizando aprendizagem de máquina
  • Tenha uma base sólida sobre o Weka
  • Desenvolva suas habilidades em inteligência artificial
  • Entenda a oportunidade de negócio que a área de inteligência artificial pode trazer
View Curriculum
Requirements
  • Não é necessário conhecimento prévio, embora seja recomendado uma noção de lógica de programação
Description

Atenção: Todas as seções/módulos do curso já estão definidas conforme pode ser observado na grade curricular. Em algumas seções está gravada somente a aula introdutória para que você tenha uma visão geral do que será abordado, sendo que as demais aulas serão adicionadas na sequência. A previsão é a adição de um novo módulo por semana.

A área de Machine Learning (Aprendizagem de Máquina) é atualmente um dos campos mais promissores da Inteligência Artificial, sendo responsável pela utilização de algoritmos inteligentes que tem a função de fazer com que os computadores aprendam por meio de bases de dados. O mercado de trabalho de Machine Learning nos Estados Unidos e em vários países da Europa está em grande ascensão; e a previsão é que no Brasil cada vez mais esse tipo de profissional seja requisitado! Inclusive alguns estudos apontam que o conhecimento dessa área será em breve um pré-requisito para os profissionais de Tecnologia da Informação!

Neste curso você terá uma visão teórica e prática sobre essa área, aplicando todos os conceitos em um projeto prático de reconhecimento automático de personagens dos desenhos animados. Nosso objetivo principal será construir passo a passo um sistema inteligente para reconhecer automaticamente as imagens do Homer e do Bart dos Simpsons! O sistema aprenderá com as imagens e depois nós fornecemos uma nova imagem como entrada e o software conseguirá identificar automaticamente de quem a imagem é! É um projeto muito interessante que você conseguirá compreender todos os conceitos que envolvem a área de aprendizagem de máquina. Além disso, você aprenderá detalhadamente como funcionam os principais algoritmos e também como avaliar o desempenho de cada um.

Utilizaremos o Weka, que é uma das ferramentas para mineração de dados mais utilizadas no mundo! Além disso, também faremos a integração da biblioteca do Weka em um aplicativo em Java. Desta forma, você será capaz de construir os seus próprios sistemas inteligentes e aplicá-los em ambientes comerciais. Não há problema se você não conhece a linguagem Java, pois os conceitos serão apresentados de forma que se você tem uma noção básica de lógica de programação conseguirá acompanhar as aulas tranquilamente.

Você sabia que a Inteligência Artificial (IA) é uma das área de TI que mais está crescendo e se expandindo no mundo? E que o conhecimento dessa área pode também abrir novas oportunidades de negócio? Veja só alguns fatos que foram noticiados recentemente pela mídia: a Apple reforçando os investimento em IA, a Microsoft criando uma unidade de pesquisa especializada em IA, o Uber e o Twitter comprando startups de IA, a Samsung adquirindo uma plataforma de IA, a Toyota, o Facebook, a IBM e o Google investindo muito dinheiro em pesquisas nessa área! Isso sem falar que no Vale do Silício profissionais com esses conhecimentos estão em alta e que a Acer já previu que 2017 será definitivamente o ano da Inteligência Artificial!

A tendência é que o campo de trabalho de IA se desenvolva cada vez mais e é praticamente certo que haverá um aquecimento muito grande no mercado, fazendo com que as empresas busquem profissionais qualificados para atuarem em projetos dessa área! Não tem mais como ficar de fora!

Todo o curso é 100% em vídeo aulas, tem direito a certificado e acesso vitalício!

O professor Jones Granatyr é fundador do portal IA Expert, que é um site com conteúdo exclusivo e atualizado sobre IA. Ele também leciona para os cursos de graduação em Ciência da Computação e Sistemas de Informação há mais de 10 anos e é doutorando e mestre na área de Inteligência Artificial pela Pontifícia Universidade Católica do Paraná (PUCPR).

Preparado(a) para dar um importante passo na sua carreira? Aguardo você no curso! :)

Who is the target audience?
  • Estudantes de computação
  • Desenvolvedores de sofware
  • Estatísticos
  • Profissionais de análise de dados
  • Pessoas interessadas em inteligência artificial
Curriculum For This Course
104 Lectures
16:48:26
+
Boas-vindas
1 Lecture 10:24

Neste vídeo você terá uma visão geral de todo o conteúdo que será abordado no curso, bem como uma amostra do sistema inteligente que você aprenderá a desenvolver

Preview 10:24
+
Aprendizagem de máquina
13 Lectures 02:46:13

Este é o primeiro módulo do curso e neste vídeo eu vou mostrar uma visão geral sobre todo o conteúdo que você aprenderá neste módulo

Introdução
02:33

Nesta aula eu mostro algumas definições e vários exemplos práticos sobre aprendizagem de máquina, sendo que o objetivo é que você tenha uma visão bem ampla dos vários tipos de aplicações que podem ser construídas. Eu cito exemplos de empresas como Facebook, Twitter, CIA, Amazon, Netflix e várias outras tem utilizado esses conceitos na prática!

Preview 20:35

Nesta aula você aprenderá sobre os métodos preditivos da aprendizagem de máquina, que são a classificação e a regressão. São citados vários exemplos práticos para você ter uma visão geral de cada um.

Métodos preditivos
18:32

Nesta aula você aprenderá sobre dois dos métodos descritivos da aprendizagem de máquina, que são: associação e agrupamento. São citados vários exemplos práticos para você ter uma visão geral de cada um.

Métodos descritivos I
16:53

Nesta aula você aprenderá sobre os outros três métodos descritivos da aprendizagem de máquina, que são: detecção de desvios, padrões sequenciais e sumarização. São citados exemplos práticos para você ter uma visão geral de cada um.

Métodos descritivos II
12:33

Nesta aula você vai aprender sobre os três tipos de aprendizagem de máquina, ou seja: supervisionada, não-supervisionada e por reforço. O objetivo é que você tenha uma visão geral de cada um dos tipos de aprendizagem, para que depois possamos aprofundar na aprendizagem supervisionada que é o foco deste curso.

Tipos de aprendizagem de máquina
11:45

Nesta aula você aprenderá com detalhes como funciona a classificação, que faz parte dos métodos preditivos da aprendizagem de máquina. O objetivo é que você entenda como funciona esse processo, que será utilizado durante todo o curso

Classificação I
18:48

Nesta aula você aprenderá mais alguns detalhes sobre a classificação

Classificação II
05:52

Nesta aula daremos início ao entendimento sobre a extração de características para a construção de bases de dados para sistemas de aprendizagem de máquina

Extração de características I
19:25

Nesta aula você aprenderá sobre a fronteira de decisão em um espaço de características

Extração de características II
08:34

Nesta aula você aprenderá a teoria sobre algumas técnicas para extração de características em imagens. Também é abordada uma introdução à extração de características de sons e bases de dados comerciais

Extração de características III
11:31

Nesta aula eu apresento os fundamentos teóricos do projeto do reconhecimento automático dos personagens que desenvolveremos durante o curso

Reconhecimento dos personagens
08:22

Nesta aula eu mostro as seis características que vamos utilizar para cada um dos personagens (Homer e Bart)

Seleção de características dos personagens
10:50
+
Extrator de características
12 Lectures 02:08:31
Neste vídeo eu mostro o conteúdo que será abordado neste módulo
Introdução
02:07

Neste vídeo eu mostro as ferramentas que vamos utilizar durante o curso

Download das ferramentas
09:35

Nesta aula eu mostro os detalhes teóricos sobre a extração das cores das imagens do Homer e do Bart

Preview 10:57

Neste vídeo eu mostro passo a passo como configurar o projeto dos personagens

Instalação do projeto dos personagens
11:40

Nesta aula você aprenderá como executar e fazer alguns testes com o nosso extrator de características

Código fonte do extrator de características I
14:46

Nesta aula você entenderá o código fonte do extrator de características das imagens

Código fonte do extrator de características II
13:40

Nesta aula você entenderá o código fonte do extrator de características das imagens

Código fonte do extrator de características III
18:20

Nesta aula eu mostro mais detalhes sobre o arquivo ARFF gerado pelo extrator de características

Arquivo ARFF dos personagens
07:22

Nesta aula iniciaremos a construção da interface gráfica do nosso sistema inteligente e veremos a codificação para selecionar uma imagem e carregá-la na tela

Carregando a imagem
15:29

Nesta aula você aprenderá como extrair as características somente da imagem selecionada pelo usuário

Preview 14:18

Nesta aula testaremos o método para que faz a extração das características somente de uma imagem

Testando a extração das características
07:28

Nesta aula eu apresento a base de dados que utilizaremos para o entendimento dos conceitos de cada algoritmos de aprendizagem de máquina

Base de dados para análise
02:49
+
Introdução ao Weka
5 Lectures 42:34

Neste vídeo eu apresento o conteúdo que será abordado neste módulo

Introdução
02:09

Nesta aula em mostro como fazer o download e a instalação do Weka (vídeo do canal do Youtube)

Instalação do Weka
06:01

Nesta aula eu mostro uma visão geral sobre a ferramenta Weka

Introdução ao Weka
11:12

Nesta aula você aprenderá a interpretar os valores e gráficos da janela inicial do Weka

Entendendo os valores da janela inicial do Weka
14:49

Nesta aula eu apresento os cinco arquivos ARFF que usaremos para testar os algoritmos no Weka

Arquivos ARFF
08:23
+
Aprendizagem bayesiana
8 Lectures 01:33:56

Neste vídeo eu mostro o conteúdo que será abordado neste módulo

Introdução
02:19

Nesta aula você aprenderá o funcionamento básico do algoritmo Naive Bayes

Naive Bayes I
08:59

Nesta aula você aprenderá passo a passo como o algoritmo Naive Bayes realiza o aprendizado/treinamento

Naive Bayes II
19:37

Nesta aula você aprenderá como funciona o processo de classificação com o algoritmo Naive Bayes

Naive Bayes III
14:29

Nesta aula você aprenderá como o Naive Bayes trabalha com registros que possuem valores "zerados"

Naive Bayes IV
09:24

Nesta aula veremos como abrir cinco arquivos ARFF no Weka utilizando o algoritmo Naive Bayes

Naive Bayes no Weka
14:00

Nesta aula você aprenderá como carregar o arquivo ARFF dos personagens para ser utilizado em nossa aplicação em Java para o reconhecimento dos personagens

Carregando o ARFF dos personagens no Java
09:00

Nesta aula colocaremos em prática toda a teoria vista até agora e faremos a classificação de uma imagem utilizando o algoritmo Naive Bayes

Classificando os personagens com o Naive Bayes
16:08
+
Aprendizagem por árvores de decisão
9 Lectures 01:25:03

Neste vídeo eu mostro o conteúdo que será abordado neste módulo

Introdução
01:03

Nesta aula será apresentada uma visão geral sobre o funcionamento de um algoritmo de árvore de decisão

Árvores de decisão I
08:54

Nesta aula será abordado o cálculo de entropia e ganho de informação para o campo história de crédito

Árvores de decisão II
18:46

Nesta aula daremos continuidade aos cálculos da árvore de decisão, utilizando agora o atributo dívida da base de dados do risco de crédito

Árvores de decisão III
07:17

Nesta aula veremos o cálculo do ganho de informação e entropia para o atributo garantias da base de dados do risco de crédito

Árvores de decisão IV
07:02

Nesta aula será abordado o último cálculo para a definição da raiz da árvore de decisão da base de dados do risco de crédito

Árvores de decisão V
13:56

Nesta aula veremos alguns exemplos de arquivos ARFF para execução do algoritmo J48 no Weka

Árvores de decisão no Weka
13:42

Nesta aula você aprenderá como utilizar o conceito de poda em árvores de decisão no Weka

Poda em árvores de decisão
07:15

Nesta aula você verá como utilizar o J48 para classificar os personagens no nosso projeto em Java

Classificando os personagens com o J48
07:08
+
Aprendizagem por regras
11 Lectures 01:27:20

Neste vídeo eu mostro o conteúdo que será abordado neste módulo

Introdução
01:23

Nesta aula você uma introdução à aprendizagem por regras, bem como um comparativo com os outros tipos de aprendizagem abordados até agora

Indução de regras I
04:46

Nesta aula serão abordados os detalhes do funcionamento do algoritmo ZeroR

Algoritmo ZeroR
12:05

Nesta aula daremos início ao entendimento do algoritmo OneR para geração de regras

Algoritmo OneR I
09:54

Nesta aula daremos continuidade ao entendimento do algoritmo OneR

Algoritmo OneR II
08:27

Nesta aula finalizaremos o exemplo passo a passo do funcionamento do algoritmo OneR

Algoritmo OneR III
09:05

Nesta aula faremos o teste dos outros arquivos ARFF utilizando o algoritmo OneR no Weka

Algoritmo OneR IV
07:58

Nesta aula você aprenderá um pouco mais sobre o processo de indução de regras

Indução de regras II
11:35

Nesta aula você verá um breve comparativo entre árvores e regras

Árvores x regras
03:40

Nesta aula serão feitos testes dos arquivos ARFF utilizando algoritmos de regras no Weka

Regras no Weka
10:48

Nesta aula faremos a implementação no projeto dos personagens para classificar as imagens utilizando os algoritmos OneR e JRip

Classificando os personagens com regras
07:39
+
Aprendizagem baseada em instâncias
7 Lectures 01:21:29

Neste vídeo eu mostro o conteúdo que será abordado neste módulo

Introdução
01:47

Nesta aula você terá uma visão geral do funcionamento da aprendizagem baseada em instâncias

kNN I
14:29

Nesta aula você aprenderá como fazer o cálculo da distância euclidiana para encontrar filmes que possuem características semelhantes

kNN II
17:03

Nesta aula você aprenderá como fazer o cálculo da distância euclidiana aplicado no cenário da base de dados dos personagens

kNN III
16:17

Nesta aula você aprenderá como fazer o cálculo da distância euclidiana aplicado no cenário da base de dados do risco de crédito

kNN IV
09:01

Nesta aula veremos como utilizar algoritmos de aprendizagem baseada em instâncias utilizando os arquivos ARFF no Weka

Aprendizagem baseada em instâncias no Weka
13:08

Nesta aula faremos algumas melhorias no código fonte, bem como a implementação do algoritmo IBk aplicado no projeto em Java do reconhecimento dos personagens

Classificando os personagens com o IBk
09:44
+
Aprendizagem de máquinas de vetores de suporte
7 Lectures 01:01:57
Neste vídeo eu mostro o conteúdo que será abordado neste módulo
Introdução
01:04

Nesta aula faremos uma breve revisão sobre os paradigmas de aprendizagem de máquina e veremos uma introdução às máquinas de vetores de suporte

SVM I
09:52

Nesta aula você aprenderá duas técnicas utilizadas pelo SVM para a criação do hiperplano de separação e também verá detalhes sobre as estimativas de erro do algoritmo

SVM II
08:28

Nesta aula você aprenderá como funcionam os kernels no algoritmo SVM

SVM III
15:37

Nesta aula você aprenderá como instalar a biblioteca LibSVM para trabalhar com máquinas de vetores de suporte no Weka

Instalação da LibSVM
05:21

Nesta aula testaremos os arquivos ARFF no Weka utilizando o LibSVM

SVM no Weka
12:25

Nesta aula você aprenderá como utilizar a LibSVM para classificar os personagens no Java

Classificando os personagens com a LibSVM
09:10
+
Aprendizagem de redes neurais artificiais
4 Lectures 32:34

Neste vídeo eu mostro o conteúdo que será abordado neste módulo

Introdução
01:40

Nesta aula você aprenderá sobre a configuração do parâmetro Training Time e Seed no Weka

Redes neurais no Weka I
12:26

Nesta aula você aprenderá sobre o parâmetro Hidden Layers no Weka

Redes neurais no Weka II
12:21

Nesta aula faremos a implementação em nosso projeto para classificar os personagens utilizando redes neurais

Classificando os personagens com redes neurais
06:07
4 More Sections
About the Instructor
Jones Granatyr
4.7 Average rating
365 Reviews
2,116 Students
8 Courses
Professor

JonesGranatyr é professor, pesquisador e fundador do portal IA Expert. É doutorando (bolsista CAPES) e mestre (bolsista CNPq) em Ciência da Computação com ênfase em Inteligência Artificial, já tendo trabalhado há mais de 08 anos nesta área. No mestrado trabalhou dentro do contexto do projeto PAI-L (Piloto Automático Inteligente para Locomotivas) financiado pela FINEP, o qual teve como objetivo o desenvolvimento de um software inteligente para condução de locomotivas de carga. Possui especialização em Segurança em Redes de Computadores e Banco de Dados Distribuídos e graduação em Sistemas de Informação. Trabalha em projetos de pesquisa relacionados a área Inteligência Artificial, tais como Sistemas Especialistas, Mineração de Dados, Mineração de Textos, Sistemas Multiagente, Aprendizagem de Máquina e Computação Afetiva. Entre os anos de 2011 e 2012 foi bolsista de produtividade nível B1 do CNPq, trabalhando com Raciocínio Baseado em Casos no software JUSTINIA (Justiça Inteligente Apoiada em Inteligência Artificial). É membro do grupo de pesquisa de Agentes de Software da Pontifícia Universidade Católica do Paraná e assistente de pesquisa no GAIPS (Intelligent Agents and Synthetic Characters Group) da Universidade de Lisboa/Portugal. Seu principal objetivo é ajudar profissionais de TI a entenderem como a Inteligência Artificial pode ser aplicada em âmbito comercial, para que esses profissionais possam visualizar novas oportunidades de negócios.