Ao selecionar um país você vê os cursos disponíveis na sua região.
⏱ 2 h 54 min📚 29 aulas
Construindo modelos de aprendizagem profunda com o Keras: um guia para iniciantes
Aprenda a projetar, treinar e avaliar redes neurais usando a moderna biblioteca Keras em Python, mesmo que você não tenha experiência anterior em aprendizado profundo.
💬Instrutor de IA Pergunte sobre qualquer aula e receba uma resposta clara na hora, quando quiser.
🕐Comece quando quiser Sem horários nem prazos: aprenda no seu ritmo, quando quiser.
🌐Em português Aulas, tarefas e certificado: tudo totalmente no seu idioma.
Sobre este curso
O aprendizado profundo pode parecer intimidante com suas complexas fundações matemáticas e estruturas de código intrincadas. O Keras simplifica esse cenário, oferecendo uma API Python fácil de usar que permite criar redes neurais poderosas com o mínimo de padrões. Ao focar em princípios de design intuitivos, o Keras permite que você dê vida às suas ideias de machine learning rapidamente.
Neste curso baseado em texto, você fará a transição de entender os principais conceitos de rede neural para escrever um código de aprendizado profundo limpo e pronto para produção. Você ganhará a confiança para construir, compilar e treinar modelos de machine learning usando fluxos de trabalho modernos do Keras. Através de explicações claras e fragmentos de código estruturados, você aprenderá a lidar com conjuntos de dados do mundo real e otimizar suas arquiteturas.
O que você vai aprender:
- Entenda os conceitos fundamentais de aprendizado profundo, incluindo camadas, funções de ativação e funções da perda.
- Construa redes neurais usando a API sequencial intuitiva e a API funcional flexível.
- Compile modelos selecionando otimizadores, funções de perda e métricas de avaliação apropriadas para seus dados.
- Treine e ajuste os modelos de aprendizado profundo usando loops de treinamento, divisões de validação e retornos de chamada.
- Aplique as melhores práticas modernas do Keras, incluindo modelos de salvamento e carregamento usando os formatos padrão mais recentes.
- Avalie o desempenho do modelo em dados não vistos para garantir a generalização e evitar o overfitting.
Você começará explorando a terminologia fundamental de aprendizado profundo e a arquitetura básica antes de passar para tutoriais práticos e passo a passo. Através de explicações de texto claras e trechos de código estruturados, você progredirá de tarefas simples de classificação para gerenciar ciclos de vida completos de modelos.
Este curso é projetado para iniciantes que têm uma familiaridade básica com o Python, mas são completamente novos para o aprendizado profundo e as redes neurais. Nenhuma experiência prévia em machine learning é necessária.
Comece a ler hoje para desbloquear o potencial do aprendizado profundo com o Keras.
Conteúdo do curso
O que você vai receber
📜Certificado de conclusão Adicione ao seu perfil do LinkedIn
💬Tutor AI pessoal Travou em uma aula? Pergunte ao seu tutor integrado qualquer coisa, a qualquer hora.
♾️Acesso vitalício Volte quando quiser, sem expirar
📱Celular ou computador Funciona em qualquer dispositivo
💸Reembolso em 14 dias Sem perguntas
⚡Curto e focado 2 h 54 min de conteúdo prático
Certificado de conclusão
Cada curso que você conclui na PickAClass emite uma credencial como esta — original, com seu próprio código, verificável por URL e detalhada sobre o que foi de fato demonstrado.
P
PickAClass
Perfil de habilidades · verificável
Documento
Certificado de Maestria
Isto certifica que
Nome Sobrenome
demonstrou com sucesso o domínio de
Construindo modelos de aprendizagem profunda com o Keras: um guia para iniciantes
Habilidades demonstradas
✓
Análise de padrões comportamentais
Fundamental
1.2 h
✓
Estruturas de arquitetura de decisão
Proficiente
1.4 h
✓
Design de testes A/B
Proficiente
1.7 h
✓
Redação comportamental
Avançado
1.9 h
P
PickAClass — Nome Sobrenome
Construindo modelos de aprendizagem profunda com o Keras: um guia para iniciantes
Página 2 de 2
Detalhe de desempenho
Resumo do curso
Aulas concluídas14 / 14
Questões de prática26 / 28
Tarefas enviadas4 (méd. 4.5 / 5)
Projeto finalAvaliado — 4.6 / 5
Prática total6.2 h
Benchmark de desempenho
Posição na coorteTop 12% de 1,625
Tempo até concluir11 dias (mediana: 22)
Pontuação de domínio91 / 100
Pontuação das questões de prática94%
Verificação de habilidadeTrilha de habilidade verificada