Curso intensivo de machine learning

Introdução rápida e prática do Google ao machine learning, que apresenta uma série de aulas com videoaulas, visualizações interativas e exercícios práticos.
Iniciar o curso intensivo Procurar módulos do curso Conferir pré-requisitos
Desde 2018, milhões de pessoas em todo o mundo contam com o Machine Learning Crash Course para aprender como o machine learning funciona e como o machine learning pode trabalhar para elas. Temos o prazer de anunciar o lançamento de uma versão atualizada do MLCC que abrange os avanços recentes em IA, com um foco maior no aprendizado interativo. Assista este vídeo para saber mais sobre o novo e aprimorado MLCC.

Módulos do curso

Cada módulo do Curso intensivo de machine learning é independente. Portanto, se você já tem experiência em machine learning, pode pular diretamente para os tópicos que quer aprender. Se você não tem experiência com machine learning, recomendamos concluir os módulos na ordem abaixo.

Modelos de ML

Esses módulos abordam os fundamentos da criação de modelos de regressão e classificação de modelos de machine learning.

Uma introdução à regressão linear, que abrange modelos lineares, perda, gradiente descendente e ajuste de hiperparâmetro.
Introdução à regressão logística, em que modelos de ML são projetados para prever a probabilidade de um determinado resultado.
Uma introdução aos modelos de classificação binária, abrangendo limite, matrizes de confusão e métricas como acurácia, precisão, recall e AUC.

Dados

Estes módulos abordam técnicas fundamentais e práticas recomendadas para trabalhar com dados de machine learning.

Saiba como analisar e transformar dados numéricos para ajudar a treinar modelos de ML com mais eficiência.
Aprenda os fundamentos do trabalho com dados categóricos: como distinguir dados categóricos de dados numéricos; como representar dados categóricos numericamente usando codificação one-hot, hash de atributos e codificação média; e como realizar cruzamentos de atributos.
Uma introdução às características dos conjuntos de dados de machine learning e como preparar seus dados para garantir resultados de alta qualidade ao treinar e avaliar seu modelo.

Modelos de ML avançado

Esses módulos abrangem arquiteturas avançadas de modelos de ML.

Uma introdução aos princípios fundamentais das arquiteturas de redes neurais, incluindo perceptrons, camadas escondidas e funções de ativação.
Saiba como os embeddings permitem fazer machine learning em vetores de atributos grandes.
Novo
Uma introdução aos modelos de linguagem grandes, de tokens a transformadores. Aprenda os conceitos básicos de como os LLMs aprendem a prever a saída de texto e como eles são arquitetados e treinados.

ML real

Esses módulos abordam considerações críticas ao criar e implantar modelos de ML no mundo real, incluindo práticas recomendadas de produção, automação e engenharia responsável.

Saiba como um sistema de produção de machine learning funciona em uma variedade de componentes.
Novo
Conheça os princípios e as práticas recomendadas para usar o machine learning automatizado.
Conheça os princípios e as práticas recomendadas para auditar modelos de ML quanto à imparcialidade, incluindo estratégias para identificar e mitigar vieses nos dados.