Stanford CS230: Deep Learning

Stanford CS230: Deep Learning é um curso projetado para fornecer uma compreensão profunda dos princípios e práticas do aprendizado profundo. O curso abrange uma ampla gama de tópicos, incluindo redes neurais, redes convolucionais, RNNs, LSTMs e técnicas de otimização como Adam, Dropout e BatchNorm. O curso é estruturado em um formato de sala de aula invertida, com palestras presenciais realizadas semanalmente no Hewlett Teaching Center. Espera-se que os alunos se envolvam com palestras em vídeo, tarefas de programação e questionários no Coursera. O curso também inclui um exame intermediário e um projeto final, que é um componente significativo da avaliação. Os alunos trabalharão em projetos com orientação personalizada de TAs, garantindo que possam implementar projetos de aprendizado profundo com sucesso. Os pré-requisitos incluem familiaridade com teoria das probabilidades, estatística, ciência de dados e álgebra linear. O curso enfatiza a aprendizagem prática, com seções lideradas por TAs fornecendo dicas práticas e fundamentos teóricos. A avaliação é dividida entre o projeto final, exame intermediário, tarefas de programação, questionários e presença nas aulas. Os alunos são incentivados a colaborar, mas devem aderir ao Código de Honra de Stanford, garantindo que todo o trabalho submetido seja de sua própria autoria. O curso é adequado para aqueles que desejam aprofundar sua compreensão de IA e aprendizado de máquina, com foco na aplicação prática e aprendizagem baseada em projetos.

• Fundamentos do aprendizado profundo

• Construção de redes neurais

• Compreensão de projetos de aprendizado de máquina

• Redes convolucionais

• RNNs e LSTMs

• Técnicas de otimização

• Formato de sala de aula invertida

• Aprendizagem baseada em projetos