Combo.4.Modulos.Machine.Learning.Com.Python

磁力链接/BT种子名称

Combo.4.Modulos.Machine.Learning.Com.Python

磁力链接/BT种子简介

种子哈希：090c7d4724240bb2a9ad19878208cdd99daf4bcb
文件大小： 61.58G
已经下载：105次
下载速度：极快
收录时间：2023-12-18
最近下载：2025-05-02

移花宫入口

移花宫.com邀月.com怜星.com花无缺.comyhgbt.icuyhgbt.top

磁力链接下载

magnet:?xt=urn:btih:090C7D4724240BB2A9AD19878208CDD99DAF4BCB
推荐使用PIKPAK网盘下载资源，10TB超大空间，不限制资源，无限次数离线下载，视频在线观看

下载BT种子文件

磁力链接 迅雷下载 PIKPAK在线播放 世界之窗 91视频 含羞草 欲漫涩 逼哩逼哩 成人快手 51品茶 抖阴破解版 极乐禁地 91短视频 抖音Max TikTok成人版 PornHub 听泉鉴鲍 少女日记 草榴社区 哆哔涩漫 呦乐园 萝莉岛 悠悠禁区 拔萝卜 疯马秀

最近搜索

文件列表

  • 7. Módulo 1 - Confusion matrix e normalização/2. Medição de desempenho ROCAUC (Conceito + Matemática o que o algoritmo faz debaixo dos panos)/1. aula.mp4 1.4 GB
  • 22. Módulo 2 - Support Vector Machine (SVM)/1. SVM (Conceito + Matemática o que o algoritmo faz debaixo dos panos) – parte 1/1. SVMteoria1.mp4 1.3 GB
  • 10. Módulo 1 - Decision Trees/1. Decision Trees (Conceito + Matemática o que o algoritmo faz debaixo dos panos) – Parte 1 entropia/1. aula.mp4 1.2 GB
  • 23. Módulo 2 - Sistemas de Recomendação/5. Método Matrix Factorization SVD++ (Teoria)/1. Matrix Factorization.mp4 1.2 GB
  • 16. Módulo 2 - PCA/1. Principal Component Analysis - PCA (Conceito + Matemática o que o algoritmo faz debaixo dos panos)/1. aula.mp4 1.2 GB
  • 19. Módulo 2 - AdaBoost/1. AdaBoost (Conceito + Matemática o que o algoritmo faz debaixo dos panos)/1. ADAboostTeoria.mp4 1.1 GB
  • 30. Módulo 3 - Visão Computacional/46. Style Transfer (teoria)/1. Style Transfer Teoria.mp4 1.0 GB
  • 15. Módulo 2 - Aprendizado não supervisionado/2. Clustering K Means (Conceito + Matemática o que o algoritmo faz debaixo dos panos)/1. aula.mp4 1.0 GB
  • 20. Módulo 2 - GradientBoosting/1. GradientBoosting (Conceito + Matemática o que o algoritmo faz debaixo dos panos) – parte 1/1. GB teoria 1.mp4 857.4 MB
  • 5. Módulo 1 - Validação cruzada e ajuste fino dos parâmetros/1. Validação cruzada Kfold (Teoria o que o algoritmo faz debaixo dos panos)/1. Kfold Teoria.mp4 818.2 MB
  • 4. Módulo 1 - Outros modelos de regressão linear/1. Ridge regression (Conceito + Matemática o que o algoritmo faz debaixo dos panos)/1. Ridge regression.mp4 813.3 MB
  • 36. Módulo 4 - Aprendizado por Reforço/131. Como o Alpha-Zero funciona/1. Alphazero.mp4 812.7 MB
  • 22. Módulo 2 - Support Vector Machine (SVM)/2. SVM (Conceito + Matemática o que o algoritmo faz debaixo dos panos) – parte 2/1. SVMteoria2.mp4 743.7 MB
  • 10. Módulo 1 - Decision Trees/4. Decision Trees (Conceito + Matemática o que o algoritmo faz debaixo dos panos) – Parte 3 regressão/1. aula.mp4 734.4 MB
  • 11. Módulo 1 - Feature Selection/3. Feature selection qui-quadrado (Conceito + Matemática o que o algoritmo faz debaixo dos panos)/1. aula.mp4 732.4 MB
  • 11. Módulo 1 - Feature Selection/5. Feature selection f_classif (Conceito + Matemática o que o algoritmo faz debaixo dos panos)/1. aula.mp4 707.8 MB
  • 20. Módulo 2 - GradientBoosting/2. GradientBoosting (Conceito + Matemática o que o algoritmo faz debaixo dos panos) – parte 2/1. GB teoria 2.mp4 707.8 MB
  • 10. Módulo 1 - Decision Trees/2. Decision Trees (Conceito + Matemática o que o algoritmo faz debaixo dos panos) – Parte 2 índice GINI/1. aula.mp4 689.0 MB
  • 25. Módulo 2 - Testando seus Conhecimentos/1. Buscando a melhor performance possível/1. MelhorPerformance.mp4 655.8 MB
  • 34. Módulo 4 - Séries Temporais e Redes Neurais Recorrentes/4. Truncated Backpropagation Through Time (TBTT)/1. RNN4.mp4 606.0 MB
  • 30. Módulo 3 - Visão Computacional/31. Faster R-CNN e ROI pooling (teoria)/1. Faster RCNN teoria.mp4 565.2 MB
  • 17. Módulo 2 - Random Forest/2. RandomForest (Conceito + Matemática o que o algoritmo faz debaixo dos panos)/1. RandomForestTeoria.mp4 557.4 MB
  • 23. Módulo 2 - Sistemas de Recomendação/4. Método Cosine Distance Similarity (Teoria)/1. Cosine Distance.mp4 551.9 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/20. SGD com Momentum & Nesterov momentum/1. SGD momentum Nesterov.mp4 544.5 MB
  • 37. Módulo 4 - Algoritmos Genéticos/1. Como funcionam os Algoritmos Genéticos/1. GA teoria 1.mp4 525.9 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/16. A evolução dos Sistemas de Tradução/1. NLP16.mp4 472.9 MB
  • 8. Módulo 1 - KNN/1. KNN (Conceito + Matemática o que o algoritmo faz debaixo dos panos)/1. KNN teoria.mp4 471.1 MB
  • 21. Módulo 2 - Bagging/1. Bagging (Conceito + Matemática o que o algoritmo faz debaixo dos panos)/1. BaggingTeoria.mp4 467.2 MB
  • 1. Módulo 1 - Conceitos Básicos/3. Viés e Variância/1. Viés e Variância.mp4 464.8 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/8. Word Embedding/1. NLP8.mp4 461.8 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/1. História das redes neurais artificiais/1. historia_redes_neurais.mp4 451.7 MB
  • 33. Módulo 4 - GANs/7. Arquitetura de uma GAN - Discriminator/1. GAN7.mp4 443.9 MB
  • 30. Módulo 3 - Visão Computacional/48. Construindo um algoritmo de Style Transfer/1. Style Transfer Pratica.mp4 433.2 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/3. Introdução a Redes neurais e deep learning explicação genérica/1. aula.mp4 423.1 MB
  • 30. Módulo 3 - Visão Computacional/36. Treinando o algoritmo Mask Faster R-CNN para reconhecer objeto/1. cangurus-parte1.mp4 420.1 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/18. Beam Search/1. NLP18.mp4 419.6 MB
  • 37. Módulo 4 - Algoritmos Genéticos/2. Algoritmos Genéticos em Redes Neurais/1. GA teoria 2.mp4 409.7 MB
  • 36. Módulo 4 - Aprendizado por Reforço/124. Policy Gradient/1. Policy gradient.mp4 407.1 MB
  • 18. Módulo 2 - ExtraTrees/1. ExtraTrees (Conceito + Matemática o que o algoritmo faz debaixo dos panos)/1. ETteoria.mp4 390.6 MB
  • 3. Módulo 1 - Pré-processamento/2. Pré-processamento Dados missing/1. Dados missing.mp4 390.0 MB
  • 1. Módulo 1 - Conceitos Básicos/4. Visão geral dos algoritmos de machine learning/1. Visão geral algoritmos ML.mp4 388.5 MB
  • 2. Módulo 1 - Regressão Linear/6. Regressão Linear (Conceito + Matemática o que o algoritmo faz debaixo dos panos)/1. A matemática do Gradiente Descendente & Regressão Linear (machine learning).mp4 382.1 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/15. O problema do viés em NLP/1. NLP15.mp4 365.3 MB
  • 33. Módulo 4 - GANs/6. Arquitetura de uma GAN - Generator/1. GAN6.mp4 363.9 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/11. Word2vec Skip-grams/1. NLP11.mp4 362.8 MB
  • 36. Módulo 4 - Aprendizado por Reforço/114. Exemplo TD learning/1. Exemplo TD learning.mp4 355.1 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/21. Bleu Score/1. NLP21.mp4 350.9 MB
  • 36. Módulo 4 - Aprendizado por Reforço/116. Value-function vs Action-value-function/1. Value-function vs Action-value-function.mp4 341.9 MB
  • 10. Módulo 1 - Decision Trees/5. Decision Trees (Conceito + Matemática o que o algoritmo faz debaixo dos panos) – Parte 4 a escolha do melhor s/1. aula.mp4 341.4 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/18. Função de custo cross-entropy/1. Cross-entropy.mp4 339.2 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/19. Length Normalization/1. NLP19.mp4 334.0 MB
  • 3. Módulo 1 - Pré-processamento/1. Pré-processamento Adequação dos tipos de dados (int, float, str)/1. Adequando tipos de dados.mp4 330.4 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/21. RMSprop/1. RMSprop.mp4 326.1 MB
  • 4. Módulo 1 - Outros modelos de regressão linear/5. Elastic net (Conceito + Matemática o que o algoritmo faz debaixo dos panos)/1. Elastic Net teoria.mp4 323.2 MB
  • 15. Módulo 2 - Aprendizado não supervisionado/3. Clustering K Means (Encontrando o número ideal de clusters)/1. KmeansNumClusters.mp4 321.9 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/14. Sentiment Analysis/1. NLP14.mp4 321.5 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/2. O teste de Turing/1. NLP2.mp4 317.0 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/15. Vanishingexploding gradient/1. Vanishing.mp4 308.6 MB
  • 10. Módulo 1 - Decision Trees/3. Decision Trees evitando overfitting/1. DToverfitting.mp4 306.2 MB
  • 34. Módulo 4 - Séries Temporais e Redes Neurais Recorrentes/3. Unrolling RNN/1. RNN3.mp4 303.5 MB
  • 33. Módulo 4 - GANs/2. Transposed Convolutional Layer/1. GAN2.mp4 303.2 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/14. Função de ativação ReLu/1. Relu.mp4 296.6 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/7. Bidirectional Recurrent Neural Networks (BRNNs)/1. NLP7.mp4 293.9 MB
  • 30. Módulo 3 - Visão Computacional/28. Reconhecimento de objetos e o problema da escala (teoria)/1. Detecção de objetos e o problema da escala.mp4 292.4 MB
  • 34. Módulo 4 - Séries Temporais e Redes Neurais Recorrentes/2. Como funciona uma Rede Neural Recorrente (RNN)/1. RNN2.mp4 291.4 MB
  • 3. Módulo 1 - Pré-processamento/4. Feature selection correlação/1. Correlacao.mp4 291.2 MB
  • 33. Módulo 4 - GANs/1. Introdução a Redes Neurais Adversariais (GANs)/1. GAN1.mp4 290.0 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/29. Redes neurais para problemas de regressão/1. RegressaoRedesNeurais.mp4 282.4 MB
  • 34. Módulo 4 - Séries Temporais e Redes Neurais Recorrentes/1. Introdução a Séries Temporais/1. RNN1.mp4 281.2 MB
  • 33. Módulo 4 - GANs/4. Batch Normalization/1. GAN4.mp4 277.2 MB
  • 14. Módulo 2 - Dados missing com Regressão/1. Substituindo dados missing com um modelo de regressão (Teoria)/1. MissingRegressaoTeoria.mp4 274.1 MB
  • 2. Módulo 1 - Regressão Linear/9. Regressão linear (Apresentação do exercício)/1. Apresentacao exercicio reg lin.mp4 268.3 MB
  • 4. Módulo 1 - Outros modelos de regressão linear/3. Regularização L1, L2 e regressão Lasso/1. Regularização L1 L2.mp4 265.7 MB
  • 28. Módulo 3 - Processamento Paralelo/1. Introdução a processamento paralelo/1. IntroProcessParalelo.mp4 259.9 MB
  • 5. Módulo 1 - Validação cruzada e ajuste fino dos parâmetros/4. Validação cruzada StratifiedKFold (Teoria)/1. stratfied kfold teoria.mp4 258.0 MB
  • 36. Módulo 4 - Aprendizado por Reforço/91. k-armed Bandit Problem/1. k-armed bandit problem.mp4 257.5 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/6. Modelos baseados em palavras vs caracteres/1. NLP6.mp4 257.3 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/17. Como funcionam os Sistemas de Tradução/1. NLP17.mp4 255.9 MB
  • 30. Módulo 3 - Visão Computacional/34. Transfer Learning/1. Transfer Learning.mp4 254.4 MB
  • 30. Módulo 3 - Visão Computacional/39. Treinando Mask Faster R-CNN a partir de um dataset criado manualmente/1. baloes1.mp4 253.0 MB
  • 30. Módulo 3 - Visão Computacional/32. Non-Maximum Suppression (NMS) e Intersection over Union (IoU) (teoria)/1. NMS IoU.mp4 252.2 MB
  • 29. Módulo 3 - Redes Neurais Convolucionais (CNNs)/2. CNN Teoria/1. CNNteoria.mp4 251.7 MB
  • 30. Módulo 3 - Visão Computacional/30. A evolução dos algoritmos R-CNN, Fast R-CNN e Faster R-CNN (teoria)/1. História e evolução do RCNN.mp4 249.0 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/10. Matriz Embedding x Vetores Embedding/1. NLP10.mp4 247.0 MB
  • 28. Módulo 3 - Processamento Paralelo/2. CPU x GPU/1. GPU x CPU.mp4 244.3 MB
  • 36. Módulo 4 - Aprendizado por Reforço/100. Ganho Esperado e Fator de Desconto/1. Ganho esperado e fator de desconto.mp4 243.5 MB
  • 30. Módulo 3 - Visão Computacional/27. Resolvendo Captcha usando redes neurais convolucionais/1. resolvendo captcha.mp4 240.9 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/13. Criando uma matriz embedding com aprendizado supervisionado/1. NLP13.mp4 239.9 MB
  • 36. Módulo 4 - Aprendizado por Reforço/89. Diferenças entre Aprendizado por Reforço e outras técnicas/1. Características do RL.mp4 239.6 MB
  • 27. Módulo 3 - Redes Neurais e Deep Learning com TensorFlow/2. TensorFlow rede neural completa classificação/1. TensorFlow redes neurais mnist.mp4 233.9 MB
  • 28. Módulo 3 - Processamento Paralelo/3. Quando uma GPU é necessária em deep learning/1. GPU quando é necessária.mp4 230.2 MB
  • 30. Módulo 3 - Visão Computacional/29. Diferentes algoritmos para reconhecimento de objetos/1. Algoritmos para detecção de objetos.mp4 229.1 MB
  • 5. Módulo 1 - Validação cruzada e ajuste fino dos parâmetros/5. Como calibrar os parâmetros para aumentar a performance de um modelo/1. Como calibrar.mp4 227.3 MB
  • 36. Módulo 4 - Aprendizado por Reforço/90. O que são Ações, Estados e Recompensas/1. Ações, estados e recompensas.mp4 226.6 MB
  • 1. Módulo 1 - Conceitos Básicos/1. Como estudar este módulo/1. AberturaCurso.mp4 226.2 MB
  • 36. Módulo 4 - Aprendizado por Reforço/101. Policy, Value-function e Action-value function/1. Policy, Value-function e Action-value function.mp4 223.2 MB
  • 36. Módulo 4 - Aprendizado por Reforço/97. Associative Search (Contextual Bandits)/1. Associative search.mp4 222.0 MB
  • 36. Módulo 4 - Aprendizado por Reforço/99. Calculando probabilidades de ações, estados e recompensas/1. Calculando probabilidades de ações, estados e recompensas.mp4 221.5 MB
  • 36. Módulo 4 - Aprendizado por Reforço/112. On-policy vs Off-policy/1. On-policy vs Off-policy.mp4 220.6 MB
  • 36. Módulo 4 - Aprendizado por Reforço/87. Introdução a Aprendizado por Reforço/1. Introdução a RL.mp4 218.9 MB
  • 34. Módulo 4 - Séries Temporais e Redes Neurais Recorrentes/8. Transformando dados temporais em um problema não temporal/1. aula.mp4 217.3 MB
  • 34. Módulo 4 - Séries Temporais e Redes Neurais Recorrentes/5. Problemas de uma RNN/1. RNN5.mp4 213.2 MB
  • 29. Módulo 3 - Redes Neurais Convolucionais (CNNs)/6. Compreendendo a conexão do 2º layer e seu filtro/1. CNNconexaoLayer2.mp4 206.1 MB
  • 36. Módulo 4 - Aprendizado por Reforço/123. Double Q-Network/1. Double q-network.mp4 204.7 MB
  • 36. Módulo 4 - Aprendizado por Reforço/157. Visualizando uma IA virando o game Street Fighter/1. virando Street Fighter.mp4 202.2 MB
  • 36. Módulo 4 - Aprendizado por Reforço/160. Treinando o jogo Sonic com PPO/1. Inteligência Artificial domina Sonic até o chefão.mp4 201.9 MB
  • 36. Módulo 4 - Aprendizado por Reforço/108. Método de Monte Carlo/1. Método de Monte Carlo.mp4 197.1 MB
  • 36. Módulo 4 - Aprendizado por Reforço/92. Exploration vs Exploitation/1. Exploration vs exploitation.mp4 192.1 MB
  • 30. Módulo 3 - Visão Computacional/43. Utilizando um modelo treinado de YOLO para reconhecer 80 classes de objeto/1. YOLO pratica.mp4 186.4 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/2. A inspiração no neurônio biológico e a modelagem matemática/1. neuronio_mat_bio.mp4 181.4 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/5. Temporalidade em NLP/1. NLP5.mp4 181.0 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/24. Adamax, Nadam e Adagrad/1. SGD-varios.mp4 180.9 MB
  • 29. Módulo 3 - Redes Neurais Convolucionais (CNNs)/13. Arquiteturas LeNet, AlexNet, VGG16/1. arquiteturas CNNs.mp4 179.6 MB
  • 30. Módulo 3 - Visão Computacional/2. Bibliotecas para processamento de imagens/1. bibliotecas processamento imagens.mp4 176.9 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/4. Tokenização de palavras/1. NLP4.mp4 175.9 MB
  • 25. Módulo 2 - Testando seus Conhecimentos/3. Solução do exercício prático final/1. ExFinalSolucao.mp4 175.2 MB
  • 36. Módulo 4 - Aprendizado por Reforço/117. Algoritmo SARSA/1. SARSA.mp4 175.0 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/25. Adadelta/1. ADAdelta.mp4 174.8 MB
  • 23. Módulo 2 - Sistemas de Recomendação/2. Filtragem baseada em conteúdo (Content-based)/1. Filtragem content-based.mp4 173.2 MB
  • 36. Módulo 4 - Aprendizado por Reforço/118. Algoritmo Q-Learning/1. Q-LEARNING.mp4 173.2 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/6. O que são Frameworks/1. Frameworks.mp4 170.3 MB
  • 33. Módulo 4 - GANs/5. Leaky ReLU/1. GAN5.mp4 170.1 MB
  • 23. Módulo 2 - Sistemas de Recomendação/3. Filtragem Colaborativa (Collaborative Filtering)/1. Filtragem Colaborativa.mp4 169.1 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/20. Como saber qual modelo aperfeiçoar (Beam Search vs RNN)/1. NLP20.mp4 168.9 MB
  • 30. Módulo 3 - Visão Computacional/1. O que é visão computacional e processamento de imagens (teoria)/1. Visão computacional e processamento de imagens.mp4 167.7 MB
  • 36. Módulo 4 - Aprendizado por Reforço/126. Actor-Critic/1. Actor-critic.mp4 162.8 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/33. Redes neurais x Deep learning/1. RNxDeepLearning.mp4 162.1 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/17. Dropout/1. Dropout.mp4 157.9 MB
  • 32. Módulo 4 - Introdução/1. Como estudar esse módulo/1. Introdução curso.mp4 157.8 MB
  • 15. Módulo 2 - Aprendizado não supervisionado/1. Aprendizado não supervisionado (Teoria)/1. SupervisionadoTeoria.mp4 154.6 MB
  • 36. Módulo 4 - Aprendizado por Reforço/130. PPO (Proximal Policy Optimization)/1. PPO.mp4 152.9 MB
  • 36. Módulo 4 - Aprendizado por Reforço/129. ACKTR (Actor Critic Kronecker-factored Trust Region)/1. ACKTR.mp4 152.1 MB
  • 37. Módulo 4 - Algoritmos Genéticos/3. Algoritmos Genéticos com DEAP - parte 1/1. GA prat 1.mp4 151.9 MB
  • 36. Módulo 4 - Aprendizado por Reforço/113. Temporal Difference Learning – TD/1. Temporal Difference Learning.mp4 148.6 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/9. Similaridade entre vetores embedding/1. NLP9.mp4 146.8 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/19. Softmax/1. Softmax.mp4 146.6 MB
  • 17. Módulo 2 - Random Forest/1. Métodos Ensemble (Conceito)/1. MetodosEnsemble.mp4 146.5 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/16. Técnicas de Regularização L1 e L2/1. L1-L2.mp4 145.5 MB
  • 30. Módulo 3 - Visão Computacional/38. Visualizando as localizações de objetos feitas pelo modelo treinado Mask Faster R-CNN/1. aula.mp4 143.5 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/3. Como transformar textos em números/1. NLP3.mp4 143.2 MB
  • 1. Módulo 1 - Conceitos Básicos/6. Linguagem R/3. Ajustando um dataset no R para Machine Learning (Curso - Aula 3).mp4 141.8 MB
  • 36. Módulo 4 - Aprendizado por Reforço/128. A2C e A3C/1. A2C e A3C.mp4 141.8 MB
  • 23. Módulo 2 - Sistemas de Recomendação/1. O que são Sistemas de Recomendação e o problema do Cold Start/1. O que sao SR.mp4 141.3 MB
  • 12. Módulo 1 - Testando seus Conhecimentos/2. Solução do exercício prático final/1. exercicio final Resolucao.mp4 140.0 MB
  • 36. Módulo 4 - Aprendizado por Reforço/127. Ações contínuas vs discretas/1. Ações contínuas vs discretas.mp4 139.4 MB
  • 2. Módulo 1 - Regressão Linear/12. Aula Bônus - Solução do exercício com R/1. 1_RegLinExercSol.mp4 138.5 MB
  • 30. Módulo 3 - Visão Computacional/37. Avaliando a performance de reconhecimento de objetos com Mask Faster R-CNN/1. cangurus-parte2.mp4 138.4 MB
  • 36. Módulo 4 - Aprendizado por Reforço/109. First-visit MC/1. First Visit.mp4 137.1 MB
  • 34. Módulo 4 - Séries Temporais e Redes Neurais Recorrentes/21. Solução do Exercício de Dados Temporais - Pré-processamento/1. aula.mp4 137.1 MB
  • 36. Módulo 4 - Aprendizado por Reforço/115. Comparando TD learning com Monte Carlo/1. Comparando TD learning com Monte Carlo.mp4 133.5 MB
  • 36. Módulo 4 - Aprendizado por Reforço/88. Como estudar Aprendizado por Reforço/1. Como estudar RL.mp4 132.3 MB
  • 36. Módulo 4 - Aprendizado por Reforço/122. Experience Replay/1. Experience replay.mp4 130.7 MB
  • 1. Módulo 1 - Conceitos Básicos/6. Linguagem R/9. Criando variáveis no R com stringr (Curso R para Machine Learning - Aula 9).mp4 130.2 MB
  • 1. Módulo 1 - Conceitos Básicos/6. Linguagem R/13. Aplicando Machine Learning no R - Resultados (Curso R para Machine Learning - Aula 13).mp4 128.7 MB
  • 36. Módulo 4 - Aprendizado por Reforço/155. Criando função de recompensa personalizada e Discretizando espaço de ações/1. wrappers street fighter.mp4 127.9 MB
  • 29. Módulo 3 - Redes Neurais Convolucionais (CNNs)/10. CNN TensorFlow (Mnist)/1. TensorFlow CNN MNIST.mp4 127.9 MB
  • 36. Módulo 4 - Aprendizado por Reforço/98. MDP (Markov Decision Process)/1. Markov Decision Process.mp4 125.9 MB
  • 9. Módulo 1 - Naive Bayes/1. Teorema de Bayes (Conceito teórico)/1. Entenda o Teorema de Bayes (ótima explicação!).mp4 125.6 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/1. O que é Processamento de Linguagem Natural (NLP)/1. NLP1.mp4 124.1 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/43. Fazendo análise de sentimento em textos/1. nlpprat7.mp4 122.9 MB
  • 34. Módulo 4 - Séries Temporais e Redes Neurais Recorrentes/9. Conexões temporais limitadas/1. RNN7.mp4 122.0 MB
  • 36. Módulo 4 - Aprendizado por Reforço/111. Monte Carlo Control/1. MC Control.mp4 121.9 MB
  • 30. Módulo 3 - Visão Computacional/40. Visualizando as localizações de objetos e segmentações de instância feitas pelo Mask Faster R-CNN/1. aula.mp4 119.7 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/9. Criando e treinando a rede neural (com Keras)/1. Keras aula 2.mp4 116.5 MB
  • 30. Módulo 3 - Visão Computacional/33. Classes, métodos e instâncias em Python/1. Aulão Python sobre Classes, Objetos, Métodos, Herança, Construtor.mp4 116.1 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/23. Amsgrad/1. AMSgrad.mp4 116.0 MB
  • 27. Módulo 3 - Redes Neurais e Deep Learning com TensorFlow/11. Tensorboard rede neural/1. TensorFlow tensorboard.mp4 115.5 MB
  • 29. Módulo 3 - Redes Neurais Convolucionais (CNNs)/5. CNNs com múltiplas camadas/1. CNNprofundas.mp4 112.3 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/22. Adam/1. ADAM.mp4 111.5 MB
  • 29. Módulo 3 - Redes Neurais Convolucionais (CNNs)/1. Introdução a CNNs (Convolutional Neural Networks)/1. CNNintro.mp4 111.5 MB
  • 37. Módulo 4 - Algoritmos Genéticos/7. Calibrando uma rede neural com Algoritmos Genéticos/1. GA redes neurais 2.mp4 103.5 MB
  • 30. Módulo 3 - Visão Computacional/41. Utilizando um modelo treinado de Mask Faster R-CNN para reconhecer 80 classes de objetos/1. aula.mp4 101.3 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/26. Keras exemplo mais completo classificação/1. Keras classificação completo - otimizadores, L1 L2, dropout.mp4 98.8 MB
  • 33. Módulo 4 - GANs/3. Upsampling/1. GAN3.mp4 98.8 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/50. Fazendo Reconhecimento de Fala - parte 2/1. Speechprat2.mp4 97.1 MB
  • 29. Módulo 3 - Redes Neurais Convolucionais (CNNs)/11. CNN CIFAR10/1. CNN_CIFAR10.mp4 97.0 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/49. Fazendo Reconhecimento de Fala - parte 1/Materiais/audios.rar 96.3 MB
  • 36. Módulo 4 - Aprendizado por Reforço/107. Dynamic Programming/1. Dynamic Programming.mp4 95.0 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/12. Negative Sampling/1. NLP12.mp4 94.6 MB
  • 1. Módulo 1 - Conceitos Básicos/6. Linguagem R/12. Aplicando Machine Learning no R - Treino e Teste (Curso R para Machine Learning - Aula 12).mp4 93.5 MB
  • 29. Módulo 3 - Redes Neurais Convolucionais (CNNs)/7. Padding/1. CNNpadding.mp4 91.5 MB
  • 29. Módulo 3 - Redes Neurais Convolucionais (CNNs)/3. Pooling layers/1. CNNpooling.mp4 91.1 MB
  • 36. Módulo 4 - Aprendizado por Reforço/125. Reinforce com Baseline/1. Reinforce com baseline.mp4 90.8 MB
  • 36. Módulo 4 - Aprendizado por Reforço/110. Every-visit MC/1. Every Visit.mp4 90.7 MB
  • 37. Módulo 4 - Algoritmos Genéticos/4. Algoritmos Genéticos com DEAP - parte 2/1. GA prat 2.mp4 89.6 MB
  • 15. Módulo 2 - Aprendizado não supervisionado/4. Clustering K Means (Aplicação prática em Python)/1. kmeansPython.mp4 89.1 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/4. Redes neurais matemática/1. A Matemática das Redes Neurais.mp4 88.7 MB
  • 1. Módulo 1 - Conceitos Básicos/2. Introdução a Machine Learning e IA/4. O que é Overfitting e Underfitting (Introdução a Machine Learning - Aula 4).mp4 88.6 MB
  • 14. Módulo 2 - Dados missing com Regressão/2. Substituindo dados missing com um modelo de regressão (Aplicação prática em Python)/1. aula.mp4 88.6 MB
  • 27. Módulo 3 - Redes Neurais e Deep Learning com TensorFlow/1. Introdução ao TensorFlow (8 aulas)/1. Curso TensorFlow para iniciantes (Aula 1) - O que é TensorFlow e como instalar.mp4 87.0 MB
  • 29. Módulo 3 - Redes Neurais Convolucionais (CNNs)/12. Data augmentation/1. data-augmentation.mp4 86.6 MB
  • 37. Módulo 4 - Algoritmos Genéticos/6. Transformando um indivíduo em arrays de pesos e bias para o Keras/1. GA redes neurais 1.mp4 85.9 MB
  • 28. Módulo 3 - Processamento Paralelo/7. Performance Keras vs Tensorflow/1. Performance Keras x TF.mp4 85.3 MB
  • 5. Módulo 1 - Validação cruzada e ajuste fino dos parâmetros/6. Função Randomized Search (Teoria e aplicação prática em Python)/1. aula.mp4 84.0 MB
  • 27. Módulo 3 - Redes Neurais e Deep Learning com TensorFlow/7. A importância da inicialização dos pesos e bias/1. TensorFlow inicializacao pesos.mp4 81.7 MB
  • 36. Módulo 4 - Aprendizado por Reforço/153. Salvando Estados de Jogos/1. Salvando_estados_jogos.mp4 81.1 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/45. Criando um Sistema de Tradução - parte 1/1. nlpprat9.mp4 80.8 MB
  • 27. Módulo 3 - Redes Neurais e Deep Learning com TensorFlow/6. Solução Exercício TensorFlow classificação/1. TensorFlow solucao ex classificacao.mp4 79.1 MB
  • 23. Módulo 2 - Sistemas de Recomendação/6. Criando um sistema de recomendação de filmes com a biblioteca Surprise/1. Recomendacoes Surprise.mp4 78.5 MB
  • 11. Módulo 1 - Feature Selection/1. Pré-processamento one hot encoding e concatenação/1. one-hot-encoding.mp4 77.0 MB
  • 2. Módulo 1 - Regressão Linear/7. Regressão linear (Aplicação prática em Python resolvendo um problema – Parte 1)/1. Regressão Linear - Python reta.mp4 76.5 MB
  • 30. Módulo 3 - Visão Computacional/22. Aplicando operações morfológicas em imagens (erosão, dilatação, opening, closing, gradient)/1. aula.mp4 75.7 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/38. Prevendo a próxima palavra em um texto - parte 1/1. nlpprat1.mp4 75.1 MB
  • 6. Módulo 1 - Regressão Logística/2. Regressão logística (Aplicação prática em Python resolvendo um problema)/1. reg_logistica python.mp4 73.1 MB
  • 33. Módulo 4 - GANs/8. Programando uma Deep Convolutional GAN/1. Ganprat1.mp4 73.0 MB
  • 30. Módulo 3 - Visão Computacional/21. Filtrando uma imagem/1. filtrando imagens.mp4 72.1 MB
  • 34. Módulo 4 - Séries Temporais e Redes Neurais Recorrentes/10. Utilizando o método Window na prática/1. RNNprat1.mp4 70.6 MB
  • 29. Módulo 3 - Redes Neurais Convolucionais (CNNs)/9. CNN Keras (Mnist)/1. Keras CNN MNIST.mp4 70.4 MB
  • 36. Módulo 4 - Aprendizado por Reforço/120. Expected Sarsa/1. Expected SARSA.mp4 70.3 MB
  • 1. Módulo 1 - Conceitos Básicos/6. Linguagem R/10. Criando variáveis no R com Dplyr (Curso R para Machine Learning - Aula 10).mp4 69.9 MB
  • 36. Módulo 4 - Aprendizado por Reforço/141. Dominando o jogo Pong com Deep Q Learning/1. Treinando Pong Deep Q Learning.mp4 68.2 MB
  • 30. Módulo 3 - Visão Computacional/42. YOLO (teoria)/1. YOLO Teoria.mp4 67.7 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/31. Como fazer web scraping/1. proce9.mp4 67.3 MB
  • 33. Módulo 4 - GANs/11. Criando o loop de treinamento da DCGAN/1. Ganprat4.mp4 66.2 MB
  • 23. Módulo 2 - Sistemas de Recomendação/7. Filtrando as melhores recomendações/1. top recomendacoes.mp4 65.7 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/5. Gradiente descendente estocástico (SGD)/1. Gradiente Descendente Estocástico (Otimizador das redes neurais).mp4 65.0 MB
  • 4. Módulo 1 - Outros modelos de regressão linear/9. Escolha de um modelo de regressão (Solução do exercício)/1. resolução exercicio modelos regressão.mp4 64.9 MB
  • 36. Módulo 4 - Aprendizado por Reforço/133. Explorando um ambiente na Gym/1. Explorando Gym.mp4 64.8 MB
  • 10. Módulo 1 - Decision Trees/7. Decision Trees Classifier (Mostrando a árvore com graphviz)/1. DTCgraphviz.mp4 63.9 MB
  • 11. Módulo 1 - Feature Selection/7. Feature selection eliminação recursiva (Aplicação prática em Python)/1. RFE_python.mp4 63.5 MB
  • 34. Módulo 4 - Séries Temporais e Redes Neurais Recorrentes/22. Solução do Exercício de Dados Temporais - Treinamento/1. RNNprat13.mp4 63.5 MB
  • 30. Módulo 3 - Visão Computacional/44. Reconhecimento facial com Haar Cascade – Viola & Jones (Teoria)/1. Haar Cascade teoria.mp4 62.4 MB
  • 1. Módulo 1 - Conceitos Básicos/6. Linguagem R/5. Manipulação de dados no R com Dplyr (Curso R para Machine Learning - Aula 5).mp4 60.6 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/12. Treinando a rede neural com imagens (com Keras)/1. Keras aula 5.mp4 60.3 MB
  • 36. Módulo 4 - Aprendizado por Reforço/150. Dominando o jogo Super Mario Bros com PPO/1. Super_Mario.mp4 60.1 MB
  • 1. Módulo 1 - Conceitos Básicos/6. Linguagem R/2. Como aplicar Machine Learning no R (Curso - Aula 2).mp4 59.1 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/11. Preparando imagens de dígitos numéricos para a rede neural (com Keras)/1. aula.mp4 58.9 MB
  • 21. Módulo 2 - Bagging/2. Bagging (Aplicação prática em Python resolvendo um problema)/1. Bagging Python.mp4 58.7 MB
  • 27. Módulo 3 - Redes Neurais e Deep Learning com TensorFlow/1. Introdução ao TensorFlow (8 aulas)/5. Multiplicando Matrizes no TensorFlow (Curso de TensorFlow - Aula 5).mp4 58.0 MB
  • 28. Módulo 3 - Processamento Paralelo/4. Como escolher uma GPU/1. como escolher GPU.mp4 58.0 MB
  • 21. Módulo 2 - Bagging/4. Bagging (Solução do exercício)/1. Bagging exercício atualizado.mp4 57.5 MB
  • 36. Módulo 4 - Aprendizado por Reforço/93. 10-armed Bandit Problem/1. 10-armed bandit.mp4 57.3 MB
  • 17. Módulo 2 - Random Forest/5. RandomForest (Solução do exercício)/1. RFexercicioSolucao.mp4 57.3 MB
  • 22. Módulo 2 - Support Vector Machine (SVM)/6. SVM (Solução do exercício)/1. SVMsolucaoEx.mp4 56.9 MB
  • 23. Módulo 2 - Sistemas de Recomendação/8. Validando o modelo e ajustando os parâmetros/1. validando e parametros.mp4 56.3 MB
  • 27. Módulo 3 - Redes Neurais e Deep Learning com TensorFlow/1. Introdução ao TensorFlow (8 aulas)/7. Entenda o que são placeholders no TensorFlow (Curso de TensorFlow - Aula 7).mp4 56.2 MB
  • 28. Módulo 3 - Processamento Paralelo/6. Como utilizar GPUs com Tensorflow/1. TensorFlow GPU.mp4 55.6 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/49. Fazendo Reconhecimento de Fala - parte 1/1. Speechprat1.mp4 54.9 MB
  • 18. Módulo 2 - ExtraTrees/4. ExtraTrees (Solução do exercício)/1. ET exercício atualizado.mp4 54.3 MB
  • 30. Módulo 3 - Visão Computacional/6. Separando os 3 canais de cores da imagem/1. separando 3 canais cores imagem.mp4 53.2 MB
  • 37. Módulo 4 - Algoritmos Genéticos/8. Reinforcement Learning com Algoritmos Genéticos/1. GA aprendizado por reforço.mp4 53.0 MB
  • 2. Módulo 1 - Regressão Linear/8. Regressão linear (Aplicação prática em Python resolvendo um problema – Parte 2)/1. Reg lin python score.mp4 52.9 MB
  • 36. Módulo 4 - Aprendizado por Reforço/142. Utilizando Wrappers/1. Wrappers.mp4 52.8 MB
  • 2. Módulo 1 - Regressão Linear/13. Aula Bônus - Solução do exercício com Power BI/1. 1_10_Exercicio_Sol_5.mp4.mp4 52.5 MB
  • 36. Módulo 4 - Aprendizado por Reforço/147. Solução do Exercício/1. Solucao_ex_Montaincar.mp4 52.3 MB
  • 30. Módulo 3 - Visão Computacional/10. Desenhando formas com o OpenCV/1. desenhando formas.mp4 52.1 MB
  • 30. Módulo 3 - Visão Computacional/26. Conhecendo a biblioteca Pillow/1. conhecendo pillow.mp4 51.9 MB
  • 27. Módulo 3 - Redes Neurais e Deep Learning com TensorFlow/9. Solução exercício TensorFlow rede neural regressão/1. TensorFlow solucao ex regressao.mp4 51.2 MB
  • 8. Módulo 1 - KNN/2. KNN (Aplicação prática em Python resolvendo um problema)/1. KNN Python.mp4 51.1 MB
  • 37. Módulo 4 - Algoritmos Genéticos/5. Utilizando a função eaSimple()/1. GA prat 3.mp4 51.1 MB
  • 10. Módulo 1 - Decision Trees/13. Escolhendo outros tipos de scoring/1. escolhendo outro scoring.mp4 51.0 MB
  • 30. Módulo 3 - Visão Computacional/35. Criando ambiente virtual e instalando dependências/1. preparando-ambiente-maskrcnn.mp4 50.7 MB
  • 2. Módulo 1 - Regressão Linear/10. Regressão Linear (Solução do exercício)/1. Solucao exercicio reg lin.mp4 50.2 MB
  • 7. Módulo 1 - Confusion matrix e normalização/1. Medição de desempenho Confusion Matrix (Teoria e prática)/1. confusion matrix.mp4 49.8 MB
  • 4. Módulo 1 - Outros modelos de regressão linear/6. Elastic net (Aplicação prática em Python resolvendo um problema)/1. elasticNet python.mp4 49.8 MB
  • 1. Módulo 1 - Conceitos Básicos/5. Power BI/11. Sua primeira aplicação de Machine Learning no Power BI.mp4 49.7 MB
  • 16. Módulo 2 - PCA/2. Principal Component Analysis (Aplicação prática em Python)/1. PCApython.mp4 48.8 MB
  • 30. Módulo 3 - Visão Computacional/45. Aplicando Haar Cascade para reconhecer faces/1. Haar Cascade pratica.mp4 48.3 MB
  • 4. Módulo 1 - Outros modelos de regressão linear/7. Comparando diferentes modelos em um único código/1. Varios modelos reg python.mp4 48.3 MB
  • 20. Módulo 2 - GradientBoosting/5. GradientBoosting (Solução do exercício)/1. GBsolucaoEx.mp4 48.2 MB
  • 36. Módulo 4 - Aprendizado por Reforço/137. Equilibrando um bastão com Deep Q-Learning/1. Treinando Cartpole.mp4 48.2 MB
  • 33. Módulo 4 - GANs/9. Criando um generator/1. Ganprat2.mp4 47.3 MB
  • 34. Módulo 4 - Séries Temporais e Redes Neurais Recorrentes/6. Como funciona uma Long Short-Term Memory (LSTM)/1. LSTM1.mp4 47.0 MB
  • 1. Módulo 1 - Conceitos Básicos/6. Linguagem R/6. Organização de dados no R com Tidyr (Curso R para Machine Learning - Aula 6).mp4 47.0 MB
  • 1. Módulo 1 - Conceitos Básicos/6. Linguagem R/8. Expressões Regulares no R (Curso R para Machine Learning - Aula 8).mp4 46.8 MB
  • 10. Módulo 1 - Decision Trees/12. Decision Trees (Resolução do exercício)/1. DTexercicioSolucao.mp4 46.6 MB
  • 9. Módulo 1 - Naive Bayes/3. Suavização de Laplace/1. suavizacaoLaplace.mp4 46.5 MB
  • 30. Módulo 3 - Visão Computacional/20. Criando histogramas de imagens/1. histogramas imagens.mp4 46.5 MB
  • 1. Módulo 1 - Conceitos Básicos/5. Power BI/5. Como criar seu primeiro Dashboard profissional (Power BI básico com Machine Learning - Aula 5).mp4 46.2 MB
  • 36. Módulo 4 - Aprendizado por Reforço/121. Deep Q-Learning/1. Deep q-learning.mp4 46.1 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/22. Como funciona o Speech Recognition/1. Speech Recognition.mp4 45.0 MB
  • 11. Módulo 1 - Feature Selection/4. Feature selection qui-quadrado (Aplicação prática em Python)/1. chi2_python.mp4 44.6 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/46. Criando um Sistema de Tradução - parte 2/1. nlpprat10.mp4 44.3 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/13. Avaliando gráficos de performance da rede neural (com Keras)/1. Keras aula 6.mp4 43.9 MB
  • 4. Módulo 1 - Outros modelos de regressão linear/4. Lasso regression (Aplicação prática em Python resolvendo um problema)/1. Lasso regression (Aplicação prática em Python resolvendo um problema).mp4 43.9 MB
  • 29. Módulo 3 - Redes Neurais Convolucionais (CNNs)/8. Calculando os Parâmetros e dimensões de uma CNN/1. Calculando parametros CNN.mp4 43.7 MB
  • 11. Módulo 1 - Feature Selection/8. Como acelerar o processamento de um algoritmo no seu computador/1. n_jobs.mp4 43.0 MB
  • 1. Módulo 1 - Conceitos Básicos/6. Linguagem R/11. Criando variáveis no R com Tidyr (Curso R para Machine Learning - Aula 11).mp4 42.9 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/48. Verificando o Bleu Score da tradução/1. nlpprat12.mp4 42.9 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/28. Keras solução exercício mais completo classificação/1. Keras solucao ex class.mp4 41.9 MB
  • 34. Módulo 4 - Séries Temporais e Redes Neurais Recorrentes/12. Utilizando LSTMs - parte 1/1. RNNprat3.mp4 41.5 MB
  • 5. Módulo 1 - Validação cruzada e ajuste fino dos parâmetros/2. Validação cruzada Kfold (Aplicação prática em Python)/1. kfold python.mp4 41.3 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/42. Solução do exercício prevendo palavras em letras de uma cantora pop/1. aula.mp4 41.2 MB
  • 1. Módulo 1 - Conceitos Básicos/6. Linguagem R/4. Tidyverse - Pacotes para ciência de dados no R (Curso R para Machine Learning - Aula 4).mp4 41.0 MB
  • 1. Módulo 1 - Conceitos Básicos/6. Linguagem R/1. R para Machine Learning (Curso - Aula 1).mp4 41.0 MB
  • 7. Módulo 1 - Confusion matrix e normalização/3. Medição de desempenho ROCAUC (Aplicação prática em Python)/1. ROC_AUC Python.mp4 40.1 MB
  • 36. Módulo 4 - Aprendizado por Reforço/145. Dominando o jogo Breakout com PPO/1. Breakout PPO.mp4 40.0 MB
  • 15. Módulo 2 - Aprendizado não supervisionado/5. Clustering K Means (Solução do exercício)/1. kmeansExercicio.mp4 39.9 MB
  • 34. Módulo 4 - Séries Temporais e Redes Neurais Recorrentes/15. Utilizando Statefull em LSTM/1. RNNprat6.mp4 39.6 MB
  • 36. Módulo 4 - Aprendizado por Reforço/148. Ensinando um robô a andar com A2C/1. Bipedal_walker.mp4 39.2 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/30. Keras exemplo completo regressão/1. Keras regressão.mp4 38.9 MB
  • 27. Módulo 3 - Redes Neurais e Deep Learning com TensorFlow/10. Criando gráficos para visualizar o treinamento/1. TensorFlow criando graficos evolucao treino.mp4 38.8 MB
  • 1. Módulo 1 - Conceitos Básicos/2. Introdução a Machine Learning e IA/2. O que é Machine Learning (Aprendizado de Máquina).mp4 38.7 MB
  • 34. Módulo 4 - Séries Temporais e Redes Neurais Recorrentes/13. Utilizando LSTMs - parte 2/1. RNNprat4.mp4 38.5 MB
  • 1. Módulo 1 - Conceitos Básicos/2. Introdução a Machine Learning e IA/1. O que é Inteligência Artificial.mp4 38.2 MB
  • 19. Módulo 2 - AdaBoost/5. AdaBoost (Solução do exercício)/1. ADAboostSolucaoEx.mp4 38.2 MB
  • 36. Módulo 4 - Aprendizado por Reforço/139. Controlando um braço robótico com Deep Q-Learning/1. Treinando Acrobot.mp4 37.7 MB
  • 36. Módulo 4 - Aprendizado por Reforço/154. Treinando diferentes estados em paralelo/1. Treinando varios estados.mp4 37.5 MB
  • 27. Módulo 3 - Redes Neurais e Deep Learning com TensorFlow/1. Introdução ao TensorFlow (8 aulas)/8. Introdução ao TensorBoard (Curso de TensorFlow - Aula 8).mp4 37.5 MB
  • 1. Módulo 1 - Conceitos Básicos/2. Introdução a Machine Learning e IA/5. Etapas do Machine Learning (Resumo básico - aula 5).mp4 37.3 MB
  • 36. Módulo 4 - Aprendizado por Reforço/144. Como salvar o modelo enquanto treina (Checkpoint Callback)/1. Checkpoint_callback.mp4 37.3 MB
  • 1. Módulo 1 - Conceitos Básicos/6. Linguagem R/7. Manipulação de strings no R com Stringr (Curso R para Machine Learning - Aula 7).mp4 36.4 MB
  • 34. Módulo 4 - Séries Temporais e Redes Neurais Recorrentes/18. Prevendo o preço de ações na Bolsa de Valores com método Window/1. aula.mp4 35.7 MB
  • 34. Módulo 4 - Séries Temporais e Redes Neurais Recorrentes/19. Prevendo o preço de ações na Bolsa de Valores com LSTM/1. RNNprat10.mp4 35.7 MB
  • 29. Módulo 3 - Redes Neurais Convolucionais (CNNs)/4. Estrutura completa de uma CNN simples/1. CNNsimplesCompleta.mp4 35.3 MB
  • 36. Módulo 4 - Aprendizado por Reforço/104. Iterative Policy Evaluation/1. Iterative policy evaluation.mp4 35.2 MB
  • 19. Módulo 2 - AdaBoost/3. AdaBoost (Ajuste fino de parâmetros)/1. ADAboostParametros.mp4 34.7 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/40. Prevendo a próxima palavra em um texto - parte 3/1. nlpprat3.mp4 34.7 MB
  • 27. Módulo 3 - Redes Neurais e Deep Learning com TensorFlow/1. Introdução ao TensorFlow (8 aulas)/3. Introdução a Grafos no TensorFlow (Curso de TensorFlow - Aula 3).mp4 33.9 MB
  • 30. Módulo 3 - Visão Computacional/18. Realizando operações lógicas com imagens/1. operacoes logicas com imagens.mp4 33.9 MB
  • 1. Módulo 1 - Conceitos Básicos/2. Introdução a Machine Learning e IA/6. O que é Aprendizado Supervisionado x Não Supervisionado (Machine Learning - Aula 6).mp4 33.5 MB
  • 36. Módulo 4 - Aprendizado por Reforço/94. Optimistic Initial Values/1. Optimistic Initial Values.mp4 32.6 MB
  • 1. Módulo 1 - Conceitos Básicos/2. Introdução a Machine Learning e IA/3. Dados de Treino e Teste (Introdução a Machine Learning - Aula 3).mp4 32.4 MB
  • 36. Módulo 4 - Aprendizado por Reforço/152. Instalando jogos extras na Gym Retro/1. Instalando_jogos_Gym_Retro.mp4 32.3 MB
  • 1. Módulo 1 - Conceitos Básicos/5. Power BI/1. Curso Power BI Básico com Machine Learning (Aula 1).mp4 31.8 MB
  • 1. Módulo 1 - Conceitos Básicos/2. Introdução a Machine Learning e IA/7. O que são problemas de Classificação e de Regressão (Machine Learning - Aula 7).mp4 31.0 MB
  • 36. Módulo 4 - Aprendizado por Reforço/151. Instalando a biblioteca Gym Retro/1. Gym_Retro.mp4 30.7 MB
  • 1. Módulo 1 - Conceitos Básicos/5. Power BI/9. Como utilizar um script R no Power Query (Power BI básico com Machine Learning - Aula 9).mp4 30.7 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/10. Realizando previsões com a rede neural (com Keras)/1. Keras aula 3.mp4 29.9 MB
  • 36. Módulo 4 - Aprendizado por Reforço/143. Rodando vários ambientes em paralelo com SubprocVecEnv/1. Subprocenv.mp4 29.7 MB
  • 30. Módulo 3 - Visão Computacional/15. Redimensionando uma imagem/1. redimensionando imagens.mp4 29.7 MB
  • 27. Módulo 3 - Redes Neurais e Deep Learning com TensorFlow/4. TensorFlow regularização L2/1. TensorFlow L2.mp4 29.7 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/8. Preparando um dataset para a rede neural (com Keras)/1. Keras aula 1.mp4 29.0 MB
  • 34. Módulo 4 - Séries Temporais e Redes Neurais Recorrentes/20. Apresentação do Exercício de Dados Temporais/1. RNNprat11.mp4 29.0 MB
  • 5. Módulo 1 - Validação cruzada e ajuste fino dos parâmetros/3. Validação cruzada kfold (Solução do exercício)/1. solucao exercicio kfold.mp4 28.9 MB
  • 36. Módulo 4 - Aprendizado por Reforço/156. Dominando o jogo Street Fighter com PPO/1. Resultados street fighter.mp4 28.9 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/39. Prevendo a próxima palavra em um texto - parte 2/1. nlpprat2.mp4 28.8 MB
  • 36. Módulo 4 - Aprendizado por Reforço/96. Otimizando o cálculo da média em cada iteração/1. Média móvel RL.mp4 28.4 MB
  • 6. Módulo 1 - Regressão Logística/3. Regressão logística (Ajuste fino de parâmetros)/1. RLogistica parametros python.mp4 28.3 MB
  • 30. Módulo 3 - Visão Computacional/24. Método Canny para detecção de bordas (teoria)/1. Canny edge detector - teoria.mp4 28.3 MB
  • 30. Módulo 3 - Visão Computacional/4. Abrindo uma imagem com o OpenCV/1. abrindo imagem opencv.mp4 28.2 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/47. Criando um Sistema de Tradução - parte 3/1. nlpprat11.mp4 28.1 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/44. Utilizando transfer learning com uma matriz embedding/1. nlpprat8.mp4 27.8 MB
  • 34. Módulo 4 - Séries Temporais e Redes Neurais Recorrentes/17. Empilhando LSTMs na prática/1. RNNprat8.mp4 27.6 MB
  • 1. Módulo 1 - Conceitos Básicos/5. Power BI/4. Como criar seu primeiro Dashboard básico (Power BI básico com Machine Learning - Aula 4).mp4 27.6 MB
  • 28. Módulo 3 - Processamento Paralelo/5. Como utilizar GPUs com Keras/1. Keras GPU.mp4 27.3 MB
  • 30. Módulo 3 - Visão Computacional/23. O que é gradiente de imagem (teoria)/1. gradiente de imagem.mp4 27.0 MB
  • 12. Módulo 1 - Testando seus Conhecimentos/1. Apresentando o exercício prático final/1. Exercício final.mp4 26.7 MB
  • 36. Módulo 4 - Aprendizado por Reforço/149. Ensinando um robô a andar em terreno acidentado com ACKTR/1. Bipedal_hard.mp4 26.2 MB
  • 33. Módulo 4 - GANs/10. Criando um discriminator/1. Ganprat3.mp4 26.2 MB
  • 6. Módulo 1 - Regressão Logística/4. Regressão logística (Apresentação do exercício)/1. RLogistica exercicio.mp4 26.0 MB
  • 17. Módulo 2 - Random Forest/4. RandomForest (Apresentação do exercício)/1. RFapresentacaoEx.mp4 25.2 MB
  • 33. Módulo 4 - GANs/12. Salvando as imagens geradas/1. Ganprat5.mp4 24.7 MB
  • 36. Módulo 4 - Aprendizado por Reforço/140. Skipping e Stacking/1. Skipping e Stacking.mp4 24.6 MB
  • 30. Módulo 3 - Visão Computacional/9. Manipulando vários pixels da imagem/1. manipulando varios pixels.mp4 24.4 MB
  • 36. Módulo 4 - Aprendizado por Reforço/119. Exemplo Q-Learning vs Sarsa/1. q-learning vs sarsa.mp4 24.4 MB
  • 33. Módulo 4 - GANs/13. Treinando e analizando os resultados da GAN/1. Ganprat6.mp4 24.4 MB
  • 34. Módulo 4 - Séries Temporais e Redes Neurais Recorrentes/7. Empilhando LSTMs (Deep Learning)/1. LSTM2.mp4 24.3 MB
  • 30. Módulo 3 - Visão Computacional/47. Eager Execution no TensorFlow/1. Eager Execution.mp4 24.3 MB
  • 30. Módulo 3 - Visão Computacional/19. Criando máscaras para imagens/1. mascaras de imagens.mp4 24.3 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/32. Expressões Regulares funções search() e finditer()/1. proce10.mp4 24.2 MB
  • 22. Módulo 2 - Support Vector Machine (SVM)/4. SVM (Ajuste fino de parâmetros)/1. SVM parâmetros completa.mp4 24.2 MB
  • 36. Módulo 4 - Aprendizado por Reforço/146. Exercício-Desafio Montain Car/1. Exercicio_Montain_Car.mp4 23.7 MB
  • 10. Módulo 1 - Decision Trees/10. Decision Trees Regressor (Ajustando os parâmetros)/1. DTRparametros.mp4 23.6 MB
  • 30. Módulo 3 - Visão Computacional/25. Detectando bordas de imagens com Canny Edge Detector no OpenCV/1. Canny edge detector - pratica.mp4 23.6 MB
  • 1. Módulo 1 - Conceitos Básicos/5. Power BI/10. Como utilizar Python no Power Query (Power BI básico com Machine Learning - Aula 10).mp4 23.3 MB
  • 8. Módulo 1 - KNN/4. KNN (Apresentação do exercício)/1. KNN exercício.mp4 23.2 MB
  • 27. Módulo 3 - Redes Neurais e Deep Learning com TensorFlow/3. TensorFlow dropout/1. TensorFlow dropout.mp4 23.1 MB
  • 36. Módulo 4 - Aprendizado por Reforço/95. UCB (Upper-Confidence-Bound Action Selection)/1. UCB.mp4 22.9 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/29. Utilizando operadores lógicos para comparar textos/1. proce7.mp4 22.8 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/32. Keras solução exercício completo regressão/1. Keras solução ex regressao.mp4 22.8 MB
  • 10. Módulo 1 - Decision Trees/8. Decision Trees Classifier (Ajustando os parâmetros)/1. DTCparametros.mp4 22.6 MB
  • 27. Módulo 3 - Redes Neurais e Deep Learning com TensorFlow/1. Introdução ao TensorFlow (8 aulas)/4. O que são Tensores Tipos de dados no TensorFlow (Curso - Aula 4).mp4 22.5 MB
  • 23. Módulo 2 - Sistemas de Recomendação/10. O que fazer em problemas que não possuem rating/1. recomendacao sem rating.mp4 22.4 MB
  • 30. Módulo 3 - Visão Computacional/8. Manipulando um pixel específico/1. manipulando um pixel especifico.mp4 22.4 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/27. Extraindo texto de um arquivo docx/1. proce5.mp4 22.3 MB
  • 22. Módulo 2 - Support Vector Machine (SVM)/3. SVM (Aplicação prática em Python resolvendo um problema)/1. SVMpython atualizada.mp4 22.2 MB
  • 20. Módulo 2 - GradientBoosting/3. GradientBoosting (Aplicação prática em Python resolvendo um problema)/1. GB python.mp4 22.2 MB
  • 34. Módulo 4 - Séries Temporais e Redes Neurais Recorrentes/11. Aumentando o tamanho da janela/1. RNNprat2.mp4 21.6 MB
  • 36. Módulo 4 - Aprendizado por Reforço/159. Carregando e Retomando um Treinamento/1. Retomando um treinamento.mp4 21.0 MB
  • 36. Módulo 4 - Aprendizado por Reforço/132. Instalando a biblioteca Gym/1. Instalando Gym.mp4 20.9 MB
  • 36. Módulo 4 - Aprendizado por Reforço/134. Criando uma Policy Determinística/1. Policy determinística.mp4 20.8 MB
  • 36. Módulo 4 - Aprendizado por Reforço/105. Policy Iteration (PI)/1. Policy iteration.mp4 20.6 MB
  • 8. Módulo 1 - KNN/3. KNN (Ajuste fino de parâmetros)/1. KNN variando parametros.mp4 20.3 MB
  • 30. Módulo 3 - Visão Computacional/11. Desenhando em cima de uma imagem/1. desenhando formas em cima da imagem.mp4 20.0 MB
  • 6. Módulo 1 - Regressão Logística/5. Regressão logística (Solução do exercício)/1. RLogística resolucao exercício.mp4 20.0 MB
  • 10. Módulo 1 - Decision Trees/6. Decision Trees Classifier (Aplicação prática em Python resolvendo um problema)/1. DTCpython.mp4 19.7 MB
  • 27. Módulo 3 - Redes Neurais e Deep Learning com TensorFlow/1. Introdução ao TensorFlow (8 aulas)/2. Aprenda seu primeiro código TensorFlow (Curso de TensorFlow - Aula 2).mp4 19.6 MB
  • 30. Módulo 3 - Visão Computacional/12. Escrevendo em uma imagem/1. escrevendo em imagens.mp4 19.5 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/36. Expressões Regulares pesquisando por datas/1. proce14.mp4 19.1 MB
  • 27. Módulo 3 - Redes Neurais e Deep Learning com TensorFlow/1. Introdução ao TensorFlow (8 aulas)/6. Variáveis no TensorFlow (Curso de TensorFlow - Aula 6).mp4 19.0 MB
  • 11. Módulo 1 - Feature Selection/6. Feature selection f_classif (Aplicação prática em Python)/1. f_classif_python.mp4 18.6 MB
  • 2. Módulo 1 - Regressão Linear/11. Random State na divisão entre treino e teste/1. Random state.mp4 18.5 MB
  • 3. Módulo 1 - Pré-processamento/3. Pré-processamento (Solução do exercício)/1. Resposta exercicio dados missing.mp4 18.4 MB
  • 27. Módulo 3 - Redes Neurais e Deep Learning com TensorFlow/5. Apresentação Exercício TensorFlow classificação/1. TensorFlow apresentacao ex classificacao.mp4 18.0 MB
  • 11. Módulo 1 - Feature Selection/2. Pré-processamento outliers/1. outliers.mp4 18.0 MB
  • 34. Módulo 4 - Séries Temporais e Redes Neurais Recorrentes/14. Separando Features de Timesteps/1. RNNprat5.mp4 17.6 MB
  • 13. Módulo 1 - Bônus/1. Bônus - Gradient Boosting/1. Bonus.mp4 17.4 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/28. Extraindo texto de um arquivo PDF/1. proce6.mp4 17.4 MB
  • 30. Módulo 3 - Visão Computacional/17. Realizando operações aritméticas com imagens/1. operacoes artitmeticas com imagens.mp4 17.4 MB
  • 17. Módulo 2 - Random Forest/3. RandomForest (Aplicação prática em Python resolvendo um problema + ajuste de parâmetros)/1. aula.mp4 17.1 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/23. As funções split() e join()/1. proce1.mp4 17.0 MB
  • 3. Módulo 1 - Pré-processamento/5. Correlação (Solução do exercício)/1. correlacao solucao exercicio.mp4 16.7 MB
  • 36. Módulo 4 - Aprendizado por Reforço/136. Instalando a biblioteca Stable Baselines/1. Instalando Stable Baselines.mp4 16.5 MB
  • 36. Módulo 4 - Aprendizado por Reforço/158. Fazendo o agente apenas se defender no Street Fighter/1. Defesa street fighter.mp4 16.4 MB
  • 4. Módulo 1 - Outros modelos de regressão linear/8. Escolha de um modelo de regressão (Apresentação do exercício)/1. exercicio escolher modelo regressao.mp4 16.2 MB
  • 30. Módulo 3 - Visão Computacional/14. Deslocando uma imagem/1. deslocando imagens.mp4 16.2 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/24. Substituindo strings/1. proce2.mp4 16.2 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/37. Expressões Regulares a função sub()/1. proce15.mp4 15.8 MB
  • 36. Módulo 4 - Aprendizado por Reforço/138. Visualizando um modelo treinado/1. Resultados Cartpole.mp4 15.6 MB
  • 1. Módulo 1 - Conceitos Básicos/5. Power BI/7. Como editar uma base de dados no Power Query (Power BI básico com Machine Learning - Aula 7).mp4 15.6 MB
  • 9. Módulo 1 - Naive Bayes/4. Naive Bayes (Aplicação prática em Python resolvendo um problema)/1. NaiveBayes Python.mp4 15.1 MB
  • 36. Módulo 4 - Aprendizado por Reforço/135. Visualizando estados com matplotlib/1. Visualizando estados com matplotlib.mp4 14.3 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/35. Expressões Regulares conjuntos de caracteres/1. proce13.mp4 13.8 MB
  • 36. Módulo 4 - Aprendizado por Reforço/102. Exemplo Gridworld/1. gridworld.mp4 13.7 MB
  • 23. Módulo 2 - Sistemas de Recomendação/9. Mostrando os vizinhos mais próximos com cosine distance/1. cosine python.mp4 13.6 MB
  • 18. Módulo 2 - ExtraTrees/2. ExtraTrees (Aplicação prática em Python resolvendo um problema + ajuste de parâmetros)/1. ETpython.mp4 13.0 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/33. Expressões Regulares caracteres coringa/1. proce11.mp4 12.7 MB
  • 30. Módulo 3 - Visão Computacional/13. Rotacionando uma imagem/1. rotacionando imagens.mp4 12.7 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/25. Transformações entre maiúsculas e minúsculas/1. proce3.mp4 12.6 MB
  • 10. Módulo 1 - Decision Trees/11. Decision Trees (Apresentação do exercício)/1. DTexercicio.mp4 12.6 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/30. Interpretando um arquivo robotstxt/1. proce8.mp4 12.5 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/26. Extraindo texto de um arquivo txt/1. proce4.mp4 12.4 MB
  • 19. Módulo 2 - AdaBoost/2. AdaBoost (Aplicação prática em Python resolvendo um problema)/1. ADAboostPython.mp4 12.2 MB
  • 10. Módulo 1 - Decision Trees/9. Decision Trees Regressor (Aplicação prática em Python resolvendo um problema)/1. DTRpython.mp4 12.2 MB
  • 30. Módulo 3 - Visão Computacional/5. Salvando uma cópia da imagem/1. salvando imagem opencv.mp4 11.7 MB
  • 1. Módulo 1 - Conceitos Básicos/5. Power BI/6. Como atualizar dados no Power BI (Power BI básico com Machine Learning - Aula 6).mp4 11.7 MB
  • 27. Módulo 3 - Redes Neurais e Deep Learning com TensorFlow/8. Apresentação exercício TensorFlow rede neural regressão/1. TensorFlow apresentacao ex regressao.mp4 10.9 MB
  • 19. Módulo 2 - AdaBoost/4. AdaBoost (Apresentação do exercício)/1. ADAboostApresentacaoEx.mp4 10.6 MB
  • 25. Módulo 2 - Testando seus Conhecimentos/2. Apresentação do exercício prático final/1. ExFinalapresentacao.mp4 10.6 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/7. Keras (instalação)/1. Keras instalação.mp4 10.3 MB
  • 22. Módulo 2 - Support Vector Machine (SVM)/5. SVM (Apresentação do exercício)/1. SVMapresentacaoEx.mp4 10.2 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/34. Expressões Regulares trabalhando com mais de um operador/1. proce12.mp4 10.1 MB
  • 36. Módulo 4 - Aprendizado por Reforço/103. Optimal Policy/1. gridworld optimal.mp4 10.1 MB
  • 9. Módulo 1 - Naive Bayes/6. Naive Bayes (Solução do exercício)/1. NaiveBayesSolucaoEx.mp4 10.0 MB
  • 35. Módulo 4 - Processamento de Linguagem Natural/41. Exercício prevendo palavras em letras de uma cantora pop/1. nlpprat5.mp4 9.9 MB
  • 30. Módulo 3 - Visão Computacional/7. Convertendo uma imagem para escala de cinza/1. convertendo imagem para cinza.mp4 9.9 MB
  • 30. Módulo 3 - Visão Computacional/3. Instalando OpenCV e Pillow/1. instalando opencv pillow.mp4 9.2 MB
  • 21. Módulo 2 - Bagging/3. Bagging (Apresentação do exercício)/1. bagginApresentacaoEx.mp4 9.2 MB
  • 8. Módulo 1 - KNN/5. KNN (Resolução do exercício)/1. KNN exercício resposta.mp4 8.8 MB
  • 20. Módulo 2 - GradientBoosting/4. GradientBoosting (Apresentação do exercício)/1. GB apresentacao Ex.mp4 8.7 MB
  • 1. Módulo 1 - Conceitos Básicos/5. Power BI/3. Primeiro acesso no Power BI (Power BI básico com Machine Learning - Aula 3).mp4 8.5 MB
  • 1. Módulo 1 - Conceitos Básicos/5. Power BI/2. Instalando o Power BI (Power BI básico com Machine Learning - Aula 2).mp4 8.2 MB
  • 1. Módulo 1 - Conceitos Básicos/5. Power BI/8. Como inserir uma coluna condicional no Power Query (Power BI básico com Machine Learning - Aula 8).mp4 7.8 MB
  • 30. Módulo 3 - Visão Computacional/16. Invertendo uma imagem/1. invertendo imagens.mp4 7.8 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/27. Keras apresentação exercício mais completo classificação/1. Keras apresentacao ex class.mp4 7.4 MB
  • 36. Módulo 4 - Aprendizado por Reforço/106. Value Iteration (VI)/1. Value iteration.mp4 7.2 MB
  • 18. Módulo 2 - ExtraTrees/3. ExtraTrees (Apresentação do exercício)/1. ETapresentacaoEx.mp4 6.4 MB
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/31. Keras apresentação exercício completo regressão/1. Keras apresentacao ex regressao.mp4 5.9 MB
  • 34. Módulo 4 - Séries Temporais e Redes Neurais Recorrentes/16. Utilizando Dropout em LSTM/1. RNNprat7.mp4 4.7 MB
  • 9. Módulo 1 - Naive Bayes/5. Naive Bayes (Apresentação do exercício)/1. NaiveBayesapresentacaoEx.mp4 4.6 MB
  • 30. Módulo 3 - Visão Computacional/48. Construindo um algoritmo de Style Transfer/Materiais/Green_Sea_Turtle_grazing_seagrass.jpg 3.2 MB
  • 30. Módulo 3 - Visão Computacional/48. Construindo um algoritmo de Style Transfer/Materiais/The_Great_Wave_off_Kanagawa.jpg 2.7 MB
  • 30. Módulo 3 - Visão Computacional/48. Construindo um algoritmo de Style Transfer/Materiais/Style Transfer TensorFlow Didática Tech.rar 1.9 MB
  • 18. Módulo 2 - ExtraTrees/3. ExtraTrees (Apresentação do exercício)/Materiais/mushroom_dataset.csv 1.3 MB
  • 36. Módulo 4 - Aprendizado por Reforço/153. Salvando Estados de Jogos/Materiais/Estados_StreetFighter.zip 513.8 kB
  • 36. Módulo 4 - Aprendizado por Reforço/160. Treinando o jogo Sonic com PPO/Materiais/Sonic.zip 378.7 kB
  • 19. Módulo 2 - AdaBoost/4. AdaBoost (Apresentação do exercício)/Materiais/school_grades_weca_dataset.csv 93.2 kB
  • 20. Módulo 2 - GradientBoosting/4. GradientBoosting (Apresentação do exercício)/Materiais/train_titanic.csv 61.2 kB
  • 1. Módulo 1 - Conceitos Básicos/6. Linguagem R/desc.html 14.7 kB
  • 1. Módulo 1 - Conceitos Básicos/5. Power BI/desc.html 8.2 kB
  • 37. Módulo 4 - Algoritmos Genéticos/3. Algoritmos Genéticos com DEAP - parte 1/Materiais/Algoritmos Genéticos - Deap.zip 4.3 kB
  • 27. Módulo 3 - Redes Neurais e Deep Learning com TensorFlow/1. Introdução ao TensorFlow (8 aulas)/desc.html 3.9 kB
  • 33. Módulo 4 - GANs/8. Programando uma Deep Convolutional GAN/Materiais/GAN.zip 3.5 kB
  • 1. Módulo 1 - Conceitos Básicos/2. Introdução a Machine Learning e IA/desc.html 3.5 kB
  • 35. Módulo 4 - Processamento de Linguagem Natural/23. As funções split() e join()/Materiais/Processamento+de+texto.zip 3.4 kB
  • 35. Módulo 4 - Processamento de Linguagem Natural/49. Fazendo Reconhecimento de Fala - parte 1/Materiais/Speech+Recognition.rar 3.3 kB
  • 36. Módulo 4 - Aprendizado por Reforço/142. Utilizando Wrappers/Materiais/OpenAIWrappers.zip 3.3 kB
  • 34. Módulo 4 - Séries Temporais e Redes Neurais Recorrentes/10. Utilizando o método Window na prática/Materiais/Séries Temporais.zip 3.0 kB
  • 17. Módulo 2 - Random Forest/5. RandomForest (Solução do exercício)/desc.html 2.4 kB
  • 35. Módulo 4 - Processamento de Linguagem Natural/43. Fazendo análise de sentimento em textos/Materiais/Sentiment+Analysis+LSTM.zip 2.4 kB
  • 6. Módulo 1 - Regressão Logística/4. Regressão logística (Apresentação do exercício)/desc.html 2.2 kB
  • 36. Módulo 4 - Aprendizado por Reforço/132. Instalando a biblioteca Gym/Materiais/Biblioteca+gym.zip 1.9 kB
  • 36. Módulo 4 - Aprendizado por Reforço/143. Rodando vários ambientes em paralelo com SubprocVecEnv/Materiais/Breakout+Atari.zip 1.7 kB
  • 2. Módulo 1 - Regressão Linear/6. Regressão Linear (Conceito + Matemática o que o algoritmo faz debaixo dos panos)/desc.html 1.6 kB
  • 37. Módulo 4 - Algoritmos Genéticos/5. Utilizando a função eaSimple()/Materiais/Algoritmos Genéticos - Deap eaSimple.zip 1.5 kB
  • 3. Módulo 1 - Pré-processamento/1. Pré-processamento Adequação dos tipos de dados (int, float, str)/desc.html 1.3 kB
  • 6. Módulo 1 - Regressão Logística/2. Regressão logística (Aplicação prática em Python resolvendo um problema)/desc.html 1.3 kB
  • 36. Módulo 4 - Aprendizado por Reforço/152. Instalando jogos extras na Gym Retro/desc.html 1.2 kB
  • 2. Módulo 1 - Regressão Linear/9. Regressão linear (Apresentação do exercício)/links.html 1.2 kB
  • 2. Módulo 1 - Regressão Linear/7. Regressão linear (Aplicação prática em Python resolvendo um problema – Parte 1)/links.html 1.1 kB
  • 23. Módulo 2 - Sistemas de Recomendação/7. Filtrando as melhores recomendações/desc.html 1.1 kB
  • 5. Módulo 1 - Validação cruzada e ajuste fino dos parâmetros/2. Validação cruzada Kfold (Aplicação prática em Python)/desc.html 1.0 kB
  • 36. Módulo 4 - Aprendizado por Reforço/137. Equilibrando um bastão com Deep Q-Learning/Materiais/Deep+Q-Learning+Cartpole.zip 976 Bytes
  • 23. Módulo 2 - Sistemas de Recomendação/6. Criando um sistema de recomendação de filmes com a biblioteca Surprise/desc.html 971 Bytes
  • 22. Módulo 2 - Support Vector Machine (SVM)/1. SVM (Conceito + Matemática o que o algoritmo faz debaixo dos panos) – parte 1/links.html 929 Bytes
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/4. Redes neurais matemática/desc.html 894 Bytes
  • 17. Módulo 2 - Random Forest/4. RandomForest (Apresentação do exercício)/desc.html 891 Bytes
  • 7. Módulo 1 - Confusion matrix e normalização/3. Medição de desempenho ROCAUC (Aplicação prática em Python)/desc.html 886 Bytes
  • 36. Módulo 4 - Aprendizado por Reforço/151. Instalando a biblioteca Gym Retro/Materiais/Gym+Retro.zip 868 Bytes
  • 12. Módulo 1 - Testando seus Conhecimentos/2. Solução do exercício prático final/desc.html 813 Bytes
  • 28. Módulo 3 - Processamento Paralelo/5. Como utilizar GPUs com Keras/desc.html 803 Bytes
  • 2. Módulo 1 - Regressão Linear/12. Aula Bônus - Solução do exercício com R/desc.html 768 Bytes
  • 2. Módulo 1 - Regressão Linear/13. Aula Bônus - Solução do exercício com Power BI/desc.html 758 Bytes
  • 2. Módulo 1 - Regressão Linear/6. Regressão Linear (Conceito + Matemática o que o algoritmo faz debaixo dos panos)/links.html 681 Bytes
  • 2. Módulo 1 - Regressão Linear/9. Regressão linear (Apresentação do exercício)/desc.html 597 Bytes
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/7. Keras (instalação)/desc.html 567 Bytes
  • 30. Módulo 3 - Visão Computacional/43. Utilizando um modelo treinado de YOLO para reconhecer 80 classes de objeto/desc.html 556 Bytes
  • 22. Módulo 2 - Support Vector Machine (SVM)/1. SVM (Conceito + Matemática o que o algoritmo faz debaixo dos panos) – parte 1/desc.html 540 Bytes
  • 27. Módulo 3 - Redes Neurais e Deep Learning com TensorFlow/4. TensorFlow regularização L2/desc.html 523 Bytes
  • 25. Módulo 2 - Testando seus Conhecimentos/3. Solução do exercício prático final/desc.html 509 Bytes
  • 21. Módulo 2 - Bagging/4. Bagging (Solução do exercício)/desc.html 499 Bytes
  • 9. Módulo 1 - Naive Bayes/5. Naive Bayes (Apresentação do exercício)/desc.html 490 Bytes
  • 10. Módulo 1 - Decision Trees/11. Decision Trees (Apresentação do exercício)/desc.html 489 Bytes
  • 21. Módulo 2 - Bagging/3. Bagging (Apresentação do exercício)/desc.html 479 Bytes
  • 27. Módulo 3 - Redes Neurais e Deep Learning com TensorFlow/8. Apresentação exercício TensorFlow rede neural regressão/desc.html 457 Bytes
  • 35. Módulo 4 - Processamento de Linguagem Natural/44. Utilizando transfer learning com uma matriz embedding/desc.html 454 Bytes
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/31. Keras apresentação exercício completo regressão/desc.html 453 Bytes
  • 4. Módulo 1 - Outros modelos de regressão linear/8. Escolha de um modelo de regressão (Apresentação do exercício)/desc.html 453 Bytes
  • 30. Módulo 3 - Visão Computacional/27. Resolvendo Captcha usando redes neurais convolucionais/desc.html 451 Bytes
  • 10. Módulo 1 - Decision Trees/12. Decision Trees (Resolução do exercício)/desc.html 447 Bytes
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/27. Keras apresentação exercício mais completo classificação/desc.html 445 Bytes
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/9. Criando e treinando a rede neural (com Keras)/links.html 438 Bytes
  • 30. Módulo 3 - Visão Computacional/26. Conhecendo a biblioteca Pillow/desc.html 435 Bytes
  • 18. Módulo 2 - ExtraTrees/3. ExtraTrees (Apresentação do exercício)/desc.html 431 Bytes
  • 36. Módulo 4 - Aprendizado por Reforço/153. Salvando Estados de Jogos/desc.html 430 Bytes
  • 11. Módulo 1 - Feature Selection/2. Pré-processamento outliers/desc.html 425 Bytes
  • 12. Módulo 1 - Testando seus Conhecimentos/1. Apresentando o exercício prático final/desc.html 425 Bytes
  • 2. Módulo 1 - Regressão Linear/7. Regressão linear (Aplicação prática em Python resolvendo um problema – Parte 1)/desc.html 413 Bytes
  • 30. Módulo 3 - Visão Computacional/44. Reconhecimento facial com Haar Cascade – Viola & Jones (Teoria)/desc.html 410 Bytes
  • 22. Módulo 2 - Support Vector Machine (SVM)/5. SVM (Apresentação do exercício)/desc.html 403 Bytes
  • 6. Módulo 1 - Regressão Logística/1. Regressão logística (Conceito + Matemática o que o algoritmo faz debaixo dos panos)/desc.html 394 Bytes
  • 15. Módulo 2 - Aprendizado não supervisionado/5. Clustering K Means (Solução do exercício)/links.html 393 Bytes
  • 31. Módulo 3 - Testando seus Conhecimentos/1. Quiz geral/desc (indisponivel).html 391 Bytes
  • 36. Módulo 4 - Aprendizado por Reforço/136. Instalando a biblioteca Stable Baselines/desc.html 391 Bytes
  • 36. Módulo 4 - Aprendizado por Reforço/150. Dominando o jogo Super Mario Bros com PPO/desc.html 383 Bytes
  • 25. Módulo 2 - Testando seus Conhecimentos/2. Apresentação do exercício prático final/desc.html 369 Bytes
  • 20. Módulo 2 - GradientBoosting/2. GradientBoosting (Conceito + Matemática o que o algoritmo faz debaixo dos panos) – parte 2/links.html 368 Bytes
  • 37. Módulo 4 - Algoritmos Genéticos/3. Algoritmos Genéticos com DEAP - parte 1/desc.html 367 Bytes
  • 35. Módulo 4 - Processamento de Linguagem Natural/45. Criando um Sistema de Tradução - parte 1/desc.html 360 Bytes
  • 36. Módulo 4 - Aprendizado por Reforço/151. Instalando a biblioteca Gym Retro/desc.html 359 Bytes
  • 4. Módulo 1 - Outros modelos de regressão linear/7. Comparando diferentes modelos em um único código/desc.html 351 Bytes
  • 11. Módulo 1 - Feature Selection/2. Pré-processamento outliers/links.html 323 Bytes
  • 34. Módulo 4 - Séries Temporais e Redes Neurais Recorrentes/13. Utilizando LSTMs - parte 2/desc.html 323 Bytes
  • 2. Módulo 1 - Regressão Linear/12. Aula Bônus - Solução do exercício com R/links.html 316 Bytes
  • 2. Módulo 1 - Regressão Linear/8. Regressão linear (Aplicação prática em Python resolvendo um problema – Parte 2)/desc.html 312 Bytes
  • 9. Módulo 1 - Naive Bayes/2. GaussianNB, MultinomialNB, BernoulliNB (o que os algoritmos Naive Bayes fazem debaixo dos panos)/desc.html 309 Bytes
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/6. O que são Frameworks/links.html 289 Bytes
  • 21. Módulo 2 - Bagging/4. Bagging (Solução do exercício)/links.html 285 Bytes
  • 3. Módulo 1 - Pré-processamento/2. Pré-processamento Dados missing/desc.html 284 Bytes
  • 38. Módulo 4 - Testando seus Conhecimentos/2. Quiz Geral/desc (indisponivel).html 276 Bytes
  • 3. Módulo 1 - Pré-processamento/2. Pré-processamento Dados missing/links.html 274 Bytes
  • 23. Módulo 2 - Sistemas de Recomendação/4. Método Cosine Distance Similarity (Teoria)/links.html 267 Bytes
  • 34. Módulo 4 - Séries Temporais e Redes Neurais Recorrentes/4. Truncated Backpropagation Through Time (TBTT)/links.html 258 Bytes
  • 19. Módulo 2 - AdaBoost/1. AdaBoost (Conceito + Matemática o que o algoritmo faz debaixo dos panos)/links.html 239 Bytes
  • 6. Módulo 1 - Regressão Logística/1. Regressão logística (Conceito + Matemática o que o algoritmo faz debaixo dos panos)/links.html 237 Bytes
  • 14. Módulo 2 - Dados missing com Regressão/1. Substituindo dados missing com um modelo de regressão (Teoria)/desc.html 206 Bytes
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/8. Preparando um dataset para a rede neural (com Keras)/desc.html 206 Bytes
  • 30. Módulo 3 - Visão Computacional/36. Treinando o algoritmo Mask Faster R-CNN para reconhecer objeto/desc.html 206 Bytes
  • 37. Módulo 4 - Algoritmos Genéticos/5. Utilizando a função eaSimple()/desc.html 206 Bytes
  • 5. Módulo 1 - Validação cruzada e ajuste fino dos parâmetros/3. Validação cruzada kfold (Solução do exercício)/desc.html 206 Bytes
  • 5. Módulo 1 - Validação cruzada e ajuste fino dos parâmetros/4. Validação cruzada StratifiedKFold (Teoria)/desc.html 206 Bytes
  • 5. Módulo 1 - Validação cruzada e ajuste fino dos parâmetros/7. Função GridsearchCV (Teoria e aplicação prática em Python)/desc.html 206 Bytes
  • Bem vindo.url 193 Bytes
  • CCPB.url 193 Bytes
  • URL.url 193 Bytes
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/10. Realizando previsões com a rede neural (com Keras)/links.html 161 Bytes
  • 15. Módulo 2 - Aprendizado não supervisionado/1. Aprendizado não supervisionado (Teoria)/links.html 160 Bytes
  • 19. Módulo 2 - AdaBoost/4. AdaBoost (Apresentação do exercício)/desc.html 159 Bytes
  • 20. Módulo 2 - GradientBoosting/4. GradientBoosting (Apresentação do exercício)/desc.html 159 Bytes
  • 25. Módulo 2 - Testando seus Conhecimentos/3. Solução do exercício prático final/links.html 155 Bytes
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/8. Preparando um dataset para a rede neural (com Keras)/links.html 154 Bytes
  • 30. Módulo 3 - Visão Computacional/20. Criando histogramas de imagens/links.html 154 Bytes
  • 35. Módulo 4 - Processamento de Linguagem Natural/45. Criando um Sistema de Tradução - parte 1/links.html 154 Bytes
  • 20. Módulo 2 - GradientBoosting/1. GradientBoosting (Conceito + Matemática o que o algoritmo faz debaixo dos panos) – parte 1/links.html 152 Bytes
  • 23. Módulo 2 - Sistemas de Recomendação/5. Método Matrix Factorization SVD++ (Teoria)/links.html 152 Bytes
  • 35. Módulo 4 - Processamento de Linguagem Natural/38. Prevendo a próxima palavra em um texto - parte 1/links.html 152 Bytes
  • 27. Módulo 3 - Redes Neurais e Deep Learning com TensorFlow/7. A importância da inicialização dos pesos e bias/links.html 149 Bytes
  • 35. Módulo 4 - Processamento de Linguagem Natural/24. Substituindo strings/links.html 149 Bytes
  • 9. Módulo 1 - Naive Bayes/2. GaussianNB, MultinomialNB, BernoulliNB (o que os algoritmos Naive Bayes fazem debaixo dos panos)/links.html 149 Bytes
  • 3. Módulo 1 - Pré-processamento/1. Pré-processamento Adequação dos tipos de dados (int, float, str)/links.html 148 Bytes
  • 27. Módulo 3 - Redes Neurais e Deep Learning com TensorFlow/2. TensorFlow rede neural completa classificação/links.html 145 Bytes
  • 30. Módulo 3 - Visão Computacional/4. Abrindo uma imagem com o OpenCV/links.html 145 Bytes
  • 33. Módulo 4 - GANs/11. Criando o loop de treinamento da DCGAN/links.html 145 Bytes
  • 33. Módulo 4 - GANs/8. Programando uma Deep Convolutional GAN/links.html 143 Bytes
  • 30. Módulo 3 - Visão Computacional/48. Construindo um algoritmo de Style Transfer/links.html 142 Bytes
  • 36. Módulo 4 - Aprendizado por Reforço/135. Visualizando estados com matplotlib/links.html 140 Bytes
  • 29. Módulo 3 - Redes Neurais Convolucionais (CNNs)/10. CNN TensorFlow (Mnist)/links.html 139 Bytes
  • 4. Módulo 1 - Outros modelos de regressão linear/7. Comparando diferentes modelos em um único código/links.html 139 Bytes
  • 27. Módulo 3 - Redes Neurais e Deep Learning com TensorFlow/10. Criando gráficos para visualizar o treinamento/links.html 137 Bytes
  • 26. Módulo 3 - Redes Neurais e Deep Learning com Keras/19. Softmax/links.html 129 Bytes
  • 1. Módulo 1 - Conceitos Básicos/6. Linguagem R/links.html 127 Bytes
  • 2. Módulo 1 - Regressão Linear/8. Regressão linear (Aplicação prática em Python resolvendo um problema – Parte 2)/links.html 126 Bytes
  • 35. Módulo 4 - Processamento de Linguagem Natural/19. Length Normalization/links.html 124 Bytes
  • 30. Módulo 3 - Visão Computacional/21. Filtrando uma imagem/links.html 108 Bytes
  • 30. Módulo 3 - Visão Computacional/44. Reconhecimento facial com Haar Cascade – Viola & Jones (Teoria)/links.html 101 Bytes

随机展示

相关说明

本站不存储任何资源内容，只收集BT种子元数据(例如文件名和文件大小)和磁力链接(BT种子标识符)，并提供查询服务，是一个完全合法的搜索引擎系统。 网站不提供种子下载服务，用户可以通过第三方链接或磁力链接获取到相关的种子资源。本站也不对BT种子真实性及合法性负责，请用户注意甄别！