"""

Sem Código! Implementando Inteligência Artificial sem Codificação

O Melhor Instrutor do Mundo com 2 Milhões de Alunos!

Implementando Soluções Práticas de Negócios e Resolvendo Desafios do Mundo Real com Inteligência Artificial (IA)

Se você respondeu "Sim" a alguma das seguintes perguntas, então este curso é para você! Você quer construir aplicativos poderosos usando Inteligência Artificial (IA), mas não sabe como programar? Você se sente intimidado pela IA e não sabe por onde começar? Ou você quer se aprofundar na IA sem um diploma em ciência da computação? Você é um empreendedor ambicioso que quer maximizar os lucros do negócio, reduzir custos, mas não sabe como alcançar isso de forma rápida e eficiente? A Inteligência Artificial é atualmente uma das principais áreas de tecnologia. Assim como a eletricidade mudou nossas vidas há 100 anos, a IA revolucionará nossas vidas. A IA é amplamente adotada nos setores financeiro, bancário, de saúde, transporte e tecnologia, e esses setores estão repletos de oportunidades e carreiras. Este curso aborda o problema-chave de permitir que qualquer pessoa, independentemente de sua formação em programação ou diploma em ciência da computação, use a IA. O objetivo deste curso é fornecer conhecimento prático e de fácil compreensão dos principais aspectos da IA moderna sem matemática difícil. Além disso, este curso oferece aos alunos experiência prática usando conjuntos de dados reais. Neste curso, você é contratado como consultor em uma startup em San Francisco recentemente. Seu CEO instruiu você a aplicar tecnologia de IA de ponta a 5 projetos. A única condição é que você não tem cientistas de dados profissionais para pedir ajuda, e você precisa produzir resultados rapidamente, mesmo sem saber programar. Portanto, você tem apenas uma semana para resolver esses problemas importantes da empresa. Todos os dados dos departamentos relacionados aos projetos serão fornecidos, e você precisa realizar as seguintes tarefas: Projeto #1: Desenvolver um modelo de IA usando o Google Teachable Machines para detectar emoções humanas (Tecnologia). Projeto #2: Desenvolver um modelo de IA usando o Google Teachable Machines para detectar e classificar doenças do peito usando dados de raio-X do peito (Saúde). Projeto #3: Prever prêmios de seguro usando características do cliente, como idade, hábitos de fumar e localização geográfica com o AWS AI AutoPilot (Negócios). Projeto #4: Detectar doenças cardiovasculares usando o DataRobot AI (Saúde). Projeto #5: Reconhecer tipos de alimentos e explorar a interpretabilidade da IA usando o DataRobot AI (Tecnologia). Sinta-se à vontade para deixar qualquer pergunta ou dúvida relacionada ao curso na seção de Perguntas e Respostas, mas certifique-se de escrevê-las em inglês para que possamos fornecer respostas. Você está pronto para começar os projetos? Estamos ansiosos para embarcar nessa jornada com nossos alunos brasileiros! Nos vemos no curso. - Equipe Ligency

O que você aprenderá

- Construir, treinar e implantar um modelo de IA para detectar emoções humanas usando o Google Teachable Machine - Explicar as diferenças entre taxa de aprendizado, épocas, tamanho do lote, precisão e perda - Prever prêmios de seguro usando características do cliente, como idade, hábitos de fumar e localização geográfica com o AWS AI AutoPilot - Construir, treinar e implantar uma IA avançada para detectar doenças cardiovasculares usando o DataRobot AI - Utilizar o poder da IA para reconhecer tipos de alimentos usando o DataRobot AI - Desenvolver um modelo de IA para detectar e classificar doenças do peito usando dados de raio-X do peito com o Google Teachable Machines - Avaliar modelos de IA treinados usando várias métricas, como matriz de confusão, precisão de classificação, taxa de erro, etc. - Listar as várias vantagens da transferência de aprendizado e determinar quando aplicar adequadamente a técnica para acelerar o processo de treinamento - Compreender a teoria e a essência das redes residuais, amplamente adotadas nos campos de negócios e saúde como redes neurais profundas de ponta - Treinar vários modelos de IA com base em XG-Boost, redes neurais artificiais e classificadores de floresta aleatória e comparar seu desempenho usando o DataRobot - Compreender o impacto dos limiares do classificador na taxa de falsos positivos (fallout) e taxa de verdadeiros positivos (sensibilidade) - Aprender a construir, treinar e implantar modelos de IA/ML com experiência mínima em programação usando a ferramenta SageMaker Studio AutoML - Distinguir várias métricas de modelos de regressão, como R2 ou coeficiente de determinação, erro absoluto médio, erro quadrático médio e raiz do erro quadrático médio - Construir, treinar e implantar algoritmos baseados em XGBoost para tarefas de regressão usando o AWS SageMaker Autopilot