Pular para o conteúdo
Even3

PalestraOutros

Deep Learning com Keras + TensorFlow, com Reconhecimento de imagens e Objetos

Gravado no evento Tear 2021 · 1 h 29 min de gravação

Trechos em vídeo

Sobre o conteúdo

A transmissão traz a palestra intitulada "Deep Learning com Keras + TensorFlow, com Reconhecimento de imagens e Objetos", apresentada por Ricardo Roberto de Lima no evento TEAR 2021 (no âmbito da Semana de Tecnologia SEMITI do IFPB Monteiro). A abertura é conduzida pelo Professor Paiva, que introduz o convidado destacando sua trajetória acadêmica e profissional na Dataprev e no Unipê. Em seguida, o palestrante assume a apresentação delineando o roteiro do encontro, que abrange conceitos de inteligência artificial, aprendizado supervisionado, não supervisionado e por reforço, além do ecossistema centrado no TensorFlow e no Keras.

O que é abordado

  1. Abertura e apresentação do palestrante
  2. Introdução e roteiro da apresentação
  3. Fundamentos de Machine Learning e tipos de aprendizadoTrecho de 57 s
  4. Conceitos de Deep Learning e Visão Computacional
  5. Prática no Google Colab: Reconhecimento com ResNet-50 e ImageNet
  6. Demonstrações interativas: Dialogflow, A.I. Duet e Quick, Draw!
  7. TensorFlow Playground e arquitetura do TensorFlow
  8. Treinamento de Rede Convolucional com CIFAR-10 e Keras
  9. Oportunidades de formação e mercado de dados
  10. Sessão de perguntas e respostas com a plateiaTrecho de 1 min 58 sTrecho de 1 min 47 s
  11. Encerramento e contatos

Dúvidas que o conteúdo responde

Qual é a principal diferença prática entre aprendizado supervisionado e não supervisionado?

No aprendizado supervisionado, os dados possuem rótulos (targets ou labels) validados por um especialista de negócio, permitindo predições de classificação ou regressão. No aprendizado não supervisionado, os dados não têm rótulos prévios, e o algoritmo identifica padrões e similaridades para agrupá-los em clusters.

Por que o Keras é comumente utilizado em conjunto com o TensorFlow?

O TensorFlow atua como a base de computação de baixo nível que executa grafos de tensores de forma otimizada em CPUs e GPUs. O Keras funciona como um framework de alto nível sobre o TensorFlow, simplificando a construção, treinamento e teste de redes neurais com sintaxe limpa e produtiva.

Qual a relevância da matemática e estatística para quem atua em Ciência de Dados?

O domínio dos modelos matemáticos e estatísticos é o grande diferencial profissional, pois permite entender como os algoritmos funcionam por baixo dos panos, escolher a melhor estratégia para o problema e tratar a base de dados adequadamente, superando a mera execução de scripts prontos.

Quais habilidades foram recomendadas para estudantes que pretendem atuar no mercado de dados?

Foi destacado o aprendizado de Python e JavaScript com seus frameworks, desenvolvimento de APIs, manipulação de dados estruturados (SGBDs tradicionais), bancos NoSQL e não estruturados (como MongoDB e Elasticsearch), conceitos de ecossistema Big Data (Hadoop, HDFS) e familiaridade com plataformas de nuvem (AWS, GCP e Azure).

Assuntos

  • Deep Learning
  • TensorFlow
  • Keras
  • Machine Learning
  • Visão Computacional
  • Python
  • Ciência de Dados
  • Redes Neurais

Palestrantes

  • Ricardo Roberto de Lima

    Palestrante

    Me | CCL | SFPC | DEPC | Cientista e Engenheiro de Dados | Analista de TI DATAPREV | Coordenador e Professor UNIPE | Consultor e Instrutor da FabWork Academy.

Outros conteúdos deste evento

Gravados no evento Tear 2021

Mesa-redonda · 1 h 41 min

Empreendedorismo em TI

Gravado no evento Tear 2021

Uma mesa-redonda promovida pelo IFPB aborda trajetórias e desafios práticos no setor de tecnologia da informação. Os participantes compartilham experiências de transição de…

Ver resumo e capítulos