Machine learning: técnicas e cases

by Nicksson Ckayo Arrais de Freitas

Overview

A Série Universitária foi desenvolvida pelo Senac São Paulo com o intuito de preparar profissionais para o mercado de trabalho. Os títulos abrangem diversas áreas, abordando desde conhecimentos teóricos e práticos adequados às exigências profissionais até a formação ética e sólida.

 Machine learning: técnicas e cases traça uma jornada pelos fundamentos teóricos e práticos da Inteligência Artificial, desde seu surgimento até o machine learning e o deep learning. O livro explora os alicerces do campo do machine learning, desde os algoritmos de aprendizagem de máquina supervisionada e não supervisionada até as técnicas mais robustas de redes neurais profundas. A obra também aborda os temas do processamento de linguagem natural para dados de texto e do campo de visão computacional para processamento de imagens. Por fim, também são apresentadas as aplicações modernas e o uso de diversas ferramentas para resolução de problemas, como PyTorch, TensorFlow, NLTK e OpenCV.

Product Details

ISBN-13:	9788539648320
Publisher:	Editora Senac São Paulo
Publication date:	07/10/2024
Series:	Série Universitária
Sold by:	Bookwire
Format:	eBook
Pages:	122
File size:	10 MB
Language:	Portuguese

About the Author

Nicksson Ckayo Arrais de Freitas é doutorando em ciência da computação pela Universidade Federal do Ceará (UFC), mestre em ciência da computação pela Universidade do Estado do Rio Grande do Norte (UERN), especialista em desenvolvimento de sistemas com Java pela Unyleya e Graduado em Ciência da Computação pela UERN. Vem construindo soluções baseadas em dados utilizando inteligência artificial desde 2013, com forte experiência acadêmica e de mercado.

Atualmente, é cientista de dados master no SiDi Recife, um dos maiores institutos de ciência e tecnologia do Brasil, professor de graduação, pós-graduação e MBA em diferentes instituições de ensino no Brasil, escritor e pesquisador em Inteligência Artificial com dezenas de publicações nacionais e internacionais.

Table of Contents

Capítulo 1- Inteligência artificial e aprendizado de máquina 1 Inteligência artificial e aplicações 2 Aprendizagem de máquina 3 Tipos de aprendizagem de máquina 4 Aplicações e cases de aprendizagem de máquina Considerações finais Referências Capítulo 2 - Aprendizado de máquina assistido, classificação e regressão 1 Aprendizado de máquina assistido 2 Por que o treinamento é tão importante? 3 Conceitos de base de treino e base de teste 4 Técnicas como árvores de decisão 5 Métricas para avaliação de modelos de classificação e regressão Considerações finais Referências Capítulo 3 - Redes neurais artificiais 1 Redes neurais e seus conceitos 2 Camadas de neurônios 3 Backpropagation 4 Aplicações práticas Considerações finais Referências Capítulo 4 - Aprendizado de máquina não assistido: agrupamento 1 Conceitos de agrupamento, um aprendizado de máquina não assistido 2 Algoritmo K-means 3 Biblioteca scikit-learn e exemplo prático em Python Considerações finais Referências Capítulo 5 - Processamento de linguagem natural (PLN) 1 Conceitos de processamento de linguagem natural (PLN) 2 Tratamento de texto usando natural language toolkit (NLTK) 3 Exemplos práticos de textos utilizados Considerações finais Referências Capítulo 6 - Visão computacional: OpenCV e Yolo 1 Visão computacional e processamento digital de imagem 2 Biblioteca OpenCV 3 Biblioteca Yolo5 4 Exemplo prático: detecção de face e objetos Considerações finais Referências Capítulo 7 - PyTorch 1 PyTorch 2 Exemplo de uso do PyTorch 3 Exemplo prático usando PyTorch Considerações finais Referências Capítulo 8 - TensorFlow 1 TensorFlow, história e fundamentos 2 Exemplo prático do TensorFlow na solução de problemas 3 Exemplo prático do TensorFlow no Python Considerações finais Referências Sobre o autor