Deep Learning com TensorFlow

Treinamento Deep Learning com TensorFlow

Sobre o Treinamento

O treinamento TensorFlow passa uma visão conceitual e prática de como trabalhar com o TensorFlow para Deep Learning com imagens e dados de grandes bases. Será apresentado como o Deep Learning pode ajudar na melhoria dos negócios nas corporações a partir de diversos algoritmos disponíveis neste software de código aberto desenvolvido pela Google. Além de demonstrar como usar e integrar bibliotecas com tensorFlow.

Objetivo

Ministrar as principais características do TensorFlow junto a uma visão geral dos algoritmos, e sua aplicação na solução de problemas de Deep Learning em ambientes de Big Data.

Público alvo do treinamento

Cientistas de Dados, Engenheiro de Dados, Gestores de TI, Analistas de Business Intelligence, Engenheiros da Computação, Programadores.


Turmas Somente inCompany

 

Conteúdo Programático

Introdução a Python 2h

  • A Linguagem Python.
  • Porque Python e TensorFlow?
  • Sintaxe Fundamental do Python.
  • Constantes e Variáveis.
  • Adição de vetores e matrizes.
  • Multiplicação de matrizes.
  • Produto escalar.
  • Placeholders.
  • Gerenciamento de pacotes com pip.
  • Jupyter Notebook.

Conceitual Deep Learning 6h

  • Introdução a Machine Learning.
  • Introdução a Deep Learning.
  • Deep Learning X Machine Learning.
  • Introdução Convolutional Neural Network (CNN).
  • Introdução a Redes Neurais (NN).
  • Introdução a Redes Neurais Recorrentes (RNN).
  • CPU X GPU X TPU.

Introdução a TensorFlow 2h

  • O que é o TensorFlow.
  • Ecossistema TensorFlow.
  • Quem usa o TensorFlow.
  • Cases do uso TensorFlow.
  • TensorFlow X IBM Watson.
  • Histórico do TensorFlow.
  • Empresas usando TensorFlow no Mundo.
  • Empresas usando TensorFlow no Brasil.
  • Free Software(GPL) X Open Source(BSD e Apache).

Introdução a Keras 1h

  • A Biblioteca Keras.
  • Keras e Python.

Instalação o Ambiente. 1h

  • Instalando o Python.
  • Configurando variáveis de ambiente.
  • Instalando o Bibliotecas Python (pandas, scikit-learn, keras).
  • Instalando o TensorFlow.
  • Instalando o Jupyter Notebook.
  • Configurando execução para GPU.

Classificação de imagens com Tensorflow 8h

  • Comparação Python e sintaxe Tensorflow.
  • Datasets de imagens.
  • Construindo um Modelo.
  • Implementando um classificador.
  • Treinando um Modelo.
  • Camada 0.
  • Camadas Ocultas.
  • Executando modelo na GPU.
  • Debugando o Modelo.
  • Tratamento do dados (Escala de cinza e normalização).
  • Acurácia do Modelo.
  • Under e overfitting.
  • Salvar modelo.

Colab 3h

  • Usando o Colab.
  • Colab e TensorFlow.
  • Limitações.
  • Custos para expansão.

Carga Horária:

  • 24 Horas.

Pré-requisitos dos Participantes:

  • Conhecimento básico de programação.
  • Conhecimento básico Sistemas Operacionais.
  • Todos os participantes devem trazer um notebook para realizar as atividades práticas.
  • O Computador deve estar com acesso de administrador para possibilitar instalações de aplicativos e acesso a Internet.
  • Para turmas In-Company não trabalhamos com limite de participantes para os treinamentos, orientamos que as turmas sejam de até 12 alunos para um melhor desempenho.

Requisitos mínimos de hardware:

  • Memória RAM: 8 GB ideal 16GB.
  • Espaço em Disco: 50GB.
  • Processador: Quad Core.

Material

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

  • Todos os softwares TensorFlow, Python e acessórios na sua última versão estável.
  • Material próprio em Português do Brasil.
  • Apresentações (slides do treinamento) desenvolvidas pela equipe Ambiente Livre.
  • Apostilas digitais dos softwares desenvolvidas pela Ambiente Livre.
  • Apostilas com exercícios práticos desenvolvidos no treinamento.
  • Materiais e documentações complementares desenvolvido pela Comunidade Open Source Mundial.
  • Caneta, Pasta e Bloco de Anotações.

Metodologia

  • Todos os dias serão apresentados novos recursos e conceitos e avaliados através de exercícios práticos em todas as aulas

Inscrições, Informações e Valores

Powered by BreezingForms


Instrutor

Marcio Junior Vieira

  • 22 anos de experiência em informática, vivência em desenvolvimento e análise de sistemas de gestão empresarial e ciência de dados.
  • CEO da Ambiente Livre atuando como Cientista de Dados, Engenheiro de Dados e Arquiteto de Software.
  • Professor dos MBAs em Big Data & Data Science, Inteligência Artificial e Business Intelligence da Universidade Positivo.
  • Professor de BPM no MBA de Business Intelligence da Universidade Positivo.
  • Professor do MBA Artificial Intelligence e Machine Learning da FIAP.
  • Pesquisador pela Universidade de Brasília no Laboratório de Tecnologias da Tomada de Decisão - UnB/LATITUDE.
  • Graduado em Tecnologia em Informática(2004) e pós-graduado em Software Livre(2005) ambos pela UFPR.
  • Palestrante FLOSS em: FISL, The Developes Conference, Latinoware, Campus Party, Pentaho Day, Ticnova, PgDay e FTSL.
  • Organizador Geral: Pentaho Day 2017, 2015, 2019 e apoio nas ed. 2013 e 2014.
  • Data Scientist, instrutor e consultor de Big Data e Data Science com tecnologias abertas.
  • Ajudou a capacitar equipes de Big Data na IBM, Accenture, Tivit, Sonda, Serpro, Dataprev, Natura, MP, Netshoes, Embraer entre outras.
  • Especialista em implantação e customização de Big Data com Hadoop, Spark, Pentaho, Cassandra e MongoDB.
  • Contribuidor de projetos open sources ou free software internacionais, tais como Pentaho, Apache Hop, LimeSurveySuiteCRM e Camunda.
  • Especialista em implantação e customização de ECM com Alfresco e BPM com ActivitiFlowable e Camunda.
  • Certificado (Certified Pentaho Solutions) pela Hitachi Vantara (Pentaho inc).
  • Ganhou o prêmio Camunda Champion em 2022 em reconhecimento a suas contribuições com o projeto Open Source Camunda.
  • Membro da The Order Of de Bee (Comunidade Alfresco trabalhando para desenvolver o ecossistema Alfresco independente)

Log in