Didática Tech
O que é Machine Learning (Aprendizado de Máquina)?
updated
Além de explicar como o GPT-5 representa um novo paradigma na programação visual, vamos falar sobre o que mudou de fato no GPT-5 em relação ao GPT-4 e aos modelos de reasoning (o1, o3, o4...).
O vídeo está organizado da seguinte forma:
00:00 GPT-5 para tarefas visuais
05:49 Diferença entre GPT e Reasoning models
13:05 GPT-5 escolhendo como responder
É fundamental tirar o máximo de proveito desses modelos. GPT-5 pode ser um grande aliado nos seus projetos, se você souber usar.
#gpt5 #chatgpt
Prompt completo utilizado no vídeo para fazer o chatgpt parar de alucinar:
'''
Para responder essa pergunta, você deve primeiro fazer uma pesquisa aprofundada sobre o tema. Algumas informações podem ser difíceis de se encontrar, então não seja precipitado. Você é um investigador com conhecimentos vastos sobre metodologia científica, análise de dados e registros históricos. Você é meticuloso em suas análises, extrai pontos essenciais com as devidas referências enquanto realiza suas buscas, verificando cada informação duplamente em fontes de alta reputação.
Avalie e priorize as fontes de acordo com a seguinte hierarquia de evidência abaixo. Em caso de conflito de informações, prefira sempre a fonte de maior nível hierárquico e, se relevante, mencione a discrepância encontrada.
Nível 1:
- Revisões Sistemáticas, Meta-análises e Papers que passaram por peer-review publicados em jornais e revistas científicas consagradas. Dê preferência a estudos com metodologias claras e, quando aplicável, amostras grandes e randomizadas.
- Publicações de Órgãos Governamentais e Intergovernamentais (leis, diretrizes, etc.).
- Bibliotecas, Museus Digitais e Repositórios Auditados para documentos históricos, registros, manuscritos e arquivos digitalizados e autenticados.
Nível 2:
- Bancos de Dados e Repositórios de Pesquisa como PubMed, Scielo, Google Scholar, ArXiv (com a devida cautela por serem pre-prints).
- Publicações e Livros de Editoras Universitárias escritos por especialistas de alta reputação em suas áreas.
Nível 3:
- Agências de notícias internacionais de alta circulação e reputação de factualidade (para eventos recentes).
- Relatórios de organizações profissionais e institutos de pesquisa independentes respeitados.
Durante suas buscas, considere possíveis conflitos de interesse e mencione todas as nuances e discordâncias que encontrar. Tome cuidado especial para temas controversos ou sensíveis, considerando que você mesmo, por ser uma IA, pode estar enviesada ao ter sido treinada com muitos dados e ter passado por filtros artificiais. Você agora deve agir como investigador e questionador em busca da verdade, raciocinando sobre as evidências e agindo como um verdadeiro cientista faria, com honestidade intelectual.
Além das pesquisas, você deve raciocinar bastante sobre tudo o que foi solicitado na pergunta original. Pense sobre a pergunta cuidadosamente, verifique pontos especiais de atenção. Elabore sua estratégia de pesquisa, cálculos, verificações... tudo o que é necessário para que a resposta seja a mais correta possível.
Com isso tudo em mente, respire fundo, dê um passo atrás e comece seu trabalho passo-a-passo. No final, e apenas no final, resuma suas conclusões em um parágrafo que serve como resposta definitiva à pergunta.
'''
GPT Based Answer para você utilizar diretamente: chatgpt.com/g/g-0wdcTTFJd-based-answer
Conteúdo do vídeo:
00:00 Pergunta utilizada
01:30 Prompt errado
02:28 Customização do ChatGPT
03:08 Prompt correto
08:40 Diferença entre modelos 4o, o3, o4-mini-high
12:14 Vieses dos modelos
14:09 GPT Based Answer
15:54 Curso de Prompt Engineering
#chatgpt
Esse vídeo está organizado da seguinte forma:
00:00 Conteúdo do vídeo
01:16 Word embedding
13:28 Objetivo do transformer
15:17 Prevendo a próxima palavra
17:18 Retroalimentação
20:25 Definindo a entrada do transformer
22:12 Primeira operação do transformer: matrizes Wq, Wk e Wv
24:08 Alinhamento de vetores
28:38 Filtros de significado
30:43 Self-Attention
36:18 Filtrando a Self-Attention
38:15 Matriz z
40:31 Desambiguação
42:31 Multi-Head Attention
45:01 Matriz Wo
47:35 Rede neural profunda
52:56 Multi-Layer Transformer
55:07 Último processo do transformer
57:08 Attention is all you need
58:40 Interpretação sobre o multi-layer
01:04:22 De onde vem a inteligência
01:08:35 Add-norm, positional encoding e máscaras de atenção
01:12:11 Tokenização e multimodalidade
01:15:28 Paralelismo
01:18:47 Total de parâmetros de um GPT
01:24:35 Usando melhor um GPT
Existem muitos vídeos sobre o que é ChatGPT e como ChatGPT funciona, porém a explicação geralmente é superficial. Nesse vídeo nós vamos mergulhar fundo na arquitetura do Transformer, que tem sido a base de todos os modelos mais poderosos de inteligência artificial.
Apesar de ter sido criado pelo Google, a empresa OpenAI foi quem trouxe à tona o poder dos transformers para uso em modelos de conversação (LLMs) com o lançamento do ChatGPT em 2022. Pouco tempo depois, com a explosão de popularidade, diversos concorrentes surgiram e novas versões foram lançadas.
Atualmente, o ChatGPT está na versão GPT4o com os modelos o1 performando reasoning. Por baixo dos panos, o que está acontecendo são muitas multiplicações de matrizes, como veremos em detalhes no vídeo.
Discutiremos também de onde a inteligência desses modelos surge, afinal como é possível que o ChatGPT consiga resolver problemas nunca antes vistos? Ao compreender a arquitetura do transformer em detalhes, essas ideias ficarão mais claras.
Para se aprofundar mais na utilização desses modelos e extrair o máximo de benefícios, conheça nosso curso completo de ChatGPT e grandes modelos de linguagem: https://didatica.tech/curso-de-chatgpt-e-llms/
Para quem tem interesse em se aprofundar na parte técnica, conheça nossos 4 módulos de machine learning e deep learning: https://didatica.tech/combo-modulos-i-ii-iii-e-iv/
#chatgpt
Mas o desenvolvimento não vai parar por aí. A próxima geração será de modelos agentes, capazes de ficar dias realizando tarefas pelo usuário de forma autônoma. Depois, os modelos trariam inovação científica. Por fim, o próximo nível seria quando um modelo funcionasse sozinho como uma instituição completa de vários seres humanos.
#gpt5 #openai
Curso completo "Programador com Python": https://didatica.tech/programador-com-python-curso-completo-para-iniciantes/
#python #aprenderpython
Neste tutorial rápido, você vai ver como:
✅ Filtrar dados com simplicidade em um DataFrame
✅ Utilizar condições complexas de maneira fácil
✅ Melhorar a legibilidade do seu código
Não perca!
#Pandas #Programação #tutorial
API banco Inter:
developers.inter.co
Basicamente tudo que precisamos são as credenciais do cliente e os certificados, além da documentação da API que o banco utiliza.
Inscreva-se no canal para mais dicas e tutoriais de Python e machine learning!
#Python #Pandas #DataScience #MachineLearning #PerformanceOptimization #CodingTips
Utilizar as versões mais avançadas de modelos de IA diretamente nos sites das empresas requer um pagamento. Por exemplo, no caso do ChatGPT, o modelo 3.5 é gratuito, mas o modelo 4 custa $20 por mês.
Mas esse site permite que você escolha qual modelo quer usar, sem precisar pagar nada: chat.lmsys.org
O LmSys é um portal voltado a comparação de modelos de linguagem. Nele você vai encontrar modelos como GPT-4 Omni, Claude 3 Opus, Gemini 1.5 Pro, Llama-3, Mistral Large, Yi-Large e muitos outros.
#chatgpt #inteligenciaartificial
Talvez você nunca tenha reparado, mas tanto o ChatGPT (rodando o modelo GPT-4) como o Claude 3 da Anthropic são capazes de criar um script de animação. Nesse vídeo eu fiz uma comparação entre essas duas IAs para ver quem consegue o melhor resultado em 2 testes distintos.
Confira a organização do vídeo:
00:00 Primeira animação
02:43 Segunda animação
06:40 Dica extra
#claude3 #chatgpt
Organização do vídeo:
00:00 Forma comum de estudar com ChatGPT
00:48 Resposta padrão
01:38 Técnica de plano de aulas
02:55 Resposta aprimorada
03:20 Próximos passos
05:23 Curso completo de ChatGPT
Utilizei nessa aula o GPT-4.
Curso completo: http://tiny.cc/ERN
#chatgpt #inteligenciaartificial
Esse vídeo está organizado da seguinte forma:
00:00 Quem é o Claude 3?
00:53 Critério do duelo
01:59 Parâmetros dos modelos
02:31 Claude 3 cria o problema
05:52 GPT-4 tenta resolver
07:42 GPT-4 cria o problema
14:25 Claude 3 tenta resolver
18:32 Vencedor
19:32 Quem está na frente
ChatGPT foi a primeira aplicação a se popularizar com grandes modelos de linguagem se comportando como se fossem humanos, mas outras empresas fortes estão chegando para brigar. GPT-4, para muitos, ainda é o melhor modelo, mas a disputa está ficando cada vez mais acirrada. Agora já temos vários modelos muito fortes concorrendo, como Claude 3 (Anthropic), Gemini Ultra 1.0 e Gemini Pro 1.5 (Google), Mistral Large (Mistral AI) e, em breve Llama 3 (Meta).
#ChatGPT #Claude3 #inteligenciaartificial
Organização do vídeo:
00:00 ChatGPT e GPT-4
03:58 Google Gemini
05:36 Claude, Llama, Mistral
06:32 Modelos leves
08:15 Previsão para open source
08:36 GPT-5
10:02 Janela de contexto e memória
12:32 Geração de imagens
14:02 Geração de vídeos
17:20 Multimodalidade e robótica
19:58 Agentes autônomos
22:55 Geração de músicas
24:35 GPT-6, GPT-7
Alguns destaques do ano de 2023 foram a ascenção dos modelos de linguagem como GPT-4, Gemini Ultra, Mistral e Llama 2, o avanço rápido dos modelos open source, a performance de modelos leves como o Phi-2 e Gemini Nano, a geração de imagens por Dalle-3 e Midjourney, a geração de vídeos pelo Runway gen2, além de implementações diretas nos mais diversos campos.
2024 representará uma evolução ainda maior de todos esses modelos. Já temos para geração de vídeos o SORA da OpenAI, Gemini 1.5 do Google, hoje está sendo lançado o modelo Claude 3.0, e o ano mal começou.
Geração de músicas quase perfeitas por IA e agentes autônomos, bem como robôs que caminham, manuseiam coisas e se comunicam de forma semelhante aos humanos também é uma tendência para os próximos meses.
Esteja preparado!
#IAs #inteligenciaartificial #llms
Aprendizagem por reforço é uma técnica em amplo desenvolvimento e pesquisa devido aos seus excelentes resultados. Nesse vídeo tutorial você vai aprender do zero como funciona e como aplicar na prática utilizando Python.
Organização do vídeo:
00:00 Conteúdo da Aula
00:48 Sobre a Teoria
02:26 O que é Aprendizado por Reforço
09:20 Ações, estados, recompensas
13:35 Exploration vs Exploitation
16:47 O que são ambientes virtuais
19:32 Criando um ambiente virtual
21:47 Instalando Jupyter Notebook
22:29 Instalando Stable Baselines, Gym, Super-Mario
26:22 O que é Stable Baselines
29:08 Emulador Super Mario Bros
33:04 Explorando a gym-super-mario-bros
49:00 Wrappers skipping, stacking, clipping
01:01:12 Criando um arquivo .py
01:03:37 Treinando o modelo com paralelismo
01:20:55 Testando o modelo
Comando para criar o ambiente virtual:
conda create -n ambienteRL python=3.7 pip
Ativando o ambiente:
conda activate ambienteRL
Comando para instalar o jupyter notebook:
pip install jupyter
Comando para instalar a biblioteca Stable Baselines:
pip install stable-baselines3
Comando para instalar o emulador do Super Mario:
pip install gym-super-mario-bros
Compilador C++ do Visual Studio: visualstudio.microsoft.com/pt-br/downloads
Comando para instalar a biblioteca OpenCV:
pip install opencv-python
Pasta com todos os códigos python e jupyter notebooks utilizados nessa aula:
https://didatica.tech/wp-content/uploads/2023/05/codigos_jupyters.zip
Documentação oficial Stable Baselines: stable-baselines.readthedocs.io/en/master
Documentação Gym Super Mario: pypi.org/project/gym-super-mario-bros
Todos os cursos Didática Tech: tiny.cc/a4tn
O aprendizado por reforço é um tipo de aprendizado de máquina onde um agente aprende a tomar decisões através de interações com seu ambiente. Imagine que você está jogando um jogo de videogame. Você não sabe quais ações levam à vitória, então começa a experimentar (atacar aqui, defender ali, recuar, avançar, pegar itens etc.). Com o tempo, você percebe que algumas ações tendem a aumentar sua pontuação ou levar a uma vitória. Então, você começa a repetir essas ações e evitar outras que levem a resultados negativos.
No aprendizado por reforço, o agente (que seria você, no exemplo do videogame) recebe recompensas (como pontos ou vitórias) ou punições (como perder pontos ou o jogo) com base nas ações que toma. O objetivo do agente é maximizar a quantidade total de recompensas.
Assim, o agente começa a aprender uma "policy", que é basicamente uma estratégia que ele usa para decidir qual ação tomar em um determinado estado do ambiente. Esta policy é continuamente atualizada à medida que o agente aprende mais sobre o ambiente e as recompensas associadas a diferentes ações.
A beleza do aprendizado por reforço é que o agente pode aprender a partir da experimentação direta e da tentativa e erro, sem necessidade de instruções explícitas ou supervisão direta.
Para mais informações teóricas, leia esse artigo: https://didatica.tech/introducao-a-aprendizado-por-reforco/
#AprendizadoporReforço #python #inteligenciaartificial
Confira nossos cursos completos: bit.ly/cursosDidaticaTech
Link da base de dados:
https://dadosabertos.poa.br/dataset/acidentes-de-transito-acidentes
Confira a organização da aula:
0:00 Objetivo da aula
4:12 Site Dados Abertos POA - Acidentes de Trânsito
6:20 Transformar dados em informação
8:15 Jupyter Notebook - Carregando a base - Pandas
14:35 Ajustando o separador das colunas
20:12 Mapa de calor dos acidentes - Folium
27:55 Tratando erros - removendo valores faltantes
36:35 Ajuste no mapa de calor
41:49 Mapa de clusters
47:05 Datas dos acidentes
55:09 Gráfico de Barras - Matplotlib
#CiênciadeDados #Python #Pandas #Folium #Matplotlib
Para entender um pouco melhor a definição de ciência de dados, leia esse artigo: bit.ly/cienciadeDados
Vamos mostrar não apenas uma tabela com as principais profissões mencionadas, mas também iremos falar sobre o impacto dos modelos multimodais avançados, como ChatGPT e GPT-4, no futuro do mercado de trabalho. Descubra quais profissões estão em alta e quais enfrentam uma possível redução de vagas devido à automação e inteligência artificial.
O próprio GPT-4 nos fornece insights valiosos sobre as áreas que provavelmente serão mais afetadas e as oportunidades que podem surgir em decorrência dessas mudanças tecnológicas.
Fique por dentro das tendências do futuro e saiba como se preparar para o mercado de trabalho em constante evolução. Inscreva-se em nosso canal e ative as notificações para acompanhar as últimas novidades no mundo da inteligência artificial e tecnologia!
Organização do vídeo:
00:00 O que eu perguntei para o GPT4
00:50 O que é GPT4
01:52 GPT-3 vs GPT4
04:00 GPT4 é multimodal
05:30 Vagas que serão perdidas
06:57 Vagas que serão criadas
10:11 Fraquezas do GPT4
12:57 Fazendo parte da disrupção
Diálogo completo feito com o GPT-4: https://didatica.tech/o-que-gpt-4-pensa-sobre-o-futuro-do-mercado-de-trabalho/
Outros links úteis:
Lista de artigos sobre IA: tiny.cc/3newhz
Matemática para machine learning: tiny.cc/CUQI-Postdoc-1
Sistemas de recomendação: tiny.cc/mn2sez
Algoritmos genéticos: tiny.cc/TDO_CV
#gpt4 #chatgpt #mercadodetrabalho
Todos os nossos cursos: http://tiny.cc/a4tn
Dataset utilizado no vídeo: https://didatica.tech/wp-content/uploads/2023/02/admission_dataset.csv
Código completo com link para o dataset estão no final desse artigo: bit.ly/redeNeural
Organização do vídeo:
00:00 introdução
00:48 Pré-requisitos
01:59 Instalando o Keras
04:27 Analisando o dataset com Pandas
08:40 Separando treino e teste
09:36 Criando a rede neural
13:01 Problema de regressão
15:25 Treinando a rede neural
21:59 Visualizando os resultados
Utilizar o Keras é uma das formas mais rápidas e fáceis para criar uma rede neural para iniciantes. Seu primeiro contato com o assunto não precisa ser traumático. Acompanhe o passo-a-passo que ensinamos nessa aula para criar sua primeira rede neural do zero utilizando apenas 5 linhas de código além de algumas bibliotecas e manipulações básicas em um dataset simples.
Com a popularização atual do assunto inteligência artificial graças ao ChatGPT, você pode aprender como tudo funciona por baixo dos panos com nossas aulas.
Outros links úteis:
Linguagem Python: bit.ly/3aBOIQV
Curso de python para iniciantes: http://tiny.cc/wkmedia
Lista de artigos sobre IA: http://tiny.cc/3newhz
Redes neurais convolucionais: tiny.cc/9ypqcy
IA jogando videogame: http://tiny.cc/obcm
Matemática para machine learning: http://tiny.cc/CUQI-Postdoc-1
Gradiente descendente: http://tiny.cc/CUQI-PhD-1
Sistemas de recomendação: http://tiny.cc/mn2sez
Algoritmos genéticos: http://tiny.cc/TDO_CV
Big data: http://tiny.cc/ycviey
Confira nossos cursos completos: bit.ly/cursosDidaticaTech
Link da base: kaggle.com/dell4010/wine-dataset
O vídeo está organizado da seguinte forma:
00:00 Objetivo da aula
02:58 Solicitando uma análise
06:02 Arquivo Google Drive
06:39 Resumo dos dados
08:18 Qualidade dos vinhos por país
10:30 Tabela com os dados resumidos
12:08 Erro na quantidade de vinhos da base
17:06 Nova tabela com dados corretos
20:06 Código para conferência dos dados
22:52 Coluna país inexistente
28:10 Dados inventados pelo chatGPT
30:39 Nova solicitação de análise
32:41 ChatGPT não utiliza ferramentas de análise
37:01 Limitações do ChatGPT
A tendência é que ferramentas como ChatGPT da OpenAI aumentem a produtividade e a criatividade dos profissionais, ao mesmo tempo em que facilitam o aprendizado de iniciantes, mas para isso precisamos entender a ferramenta e dominar nossa área de atuação.
#machinelearning #python #chatgpt
Organização do vídeo:
00:00 Como a aula está organizada
03:32 Conversando com o ChatGPT em português
04:33 Principais linguagens de programação
07:43 Como programar em Python
09:28 Variáveis
12:40 Funções
16:11 Argumentos
20:50 Funções prontas
26:04 Tipos de dados
33:44 Função print()
36:42 Objetos, Classes, Atributos e Métodos
46:20 Operadores
48:15 Condicionais
51:40 Principais conceitos do Python
57:04 Solicitando um programa para o ChatGPT
59:43 Programa para cálculo de média e aprovação
01:02:12 Comentários no código
01:08:51 Criando uma lista
01:10:42 Loop for e a função range()
01:20:10 Testando o programa
A tendência é que ferramentas como ChatGPT da OpenAI aumentem a produtividade e a criatividade dos programadores, ao mesmo tempo em que facilitam o aprendizado de iniciantes.
Se você quer aprender a programar, ter ideias de códigos, ou ainda criar projetos, o chatGPT já é muito útil. Com ele você poderá conferir os conceitos mais básicos de qualquer linguagem, já partindo para aplicações práticas e evoluindo seus conhecimentos com muita simplicidade.
Leia também esse artigo completo sobre a linguagem Python: bit.ly/3aBOIQV
#programação #python #chatgpt
Conteúdos do vídeo:
- 01:06 PC para estudo de machine learning
- 03:30 Escolhendo a CPU
- 07:13 Núcleos físicos vs lógicos
- 11:28 Quando CPU é o gargalo
- 15:15 Geração da CPU
- 16:38 O que é GPU
- 18:58 Escolhendo a GPU
- 20:38 Custo benefício de GPUs
- 24:24 Escolhendo memória RAM
- 25:36 SSD é relevante?
- 27:30 Escolhendo a placa mãe
- 28:35 Escolhendo Coolers
- 29:43 PC peça por peça
- 31:44 Escolhendo notebooks
- 34:31 Como aprender machine learning
É importante analisar cada peça de um computador ou notebook na hora de comprar. Mas nunca esqueça que o melhor custo-benefício sempre vai depender da aplicação final. Se você pretende trabalhar com algoritmos de marchine learning, deep learning, processamento de linguagem natual, processamento de imagens, aprendizado por reforço, ciência de dados, BI, ou qualquer outra coisa em particular, sua máquina precisa estar alinhada com seus objetivos.
Em resumo, para ciência de dados e inteligência artificial, você deve focar em: núcleos da CPU, memória VRAM da GPU e memória RAM.
#machinelearning
Organização do vídeo:
00:00 Introdução
01:13 Criando código Python com GPT3
03:13 Exemplo 2
05:21 Exemplo 3
06:37 Exemplo 4
10:25 GPT como ferramenta para programadores
A tendência é que ferramentas como ChatGPT da OpenAI aumentem a produtividade e a criatividade dos programadores, ao mesmo tempo em que facilitam o aprendizado de iniciantes.
Se você quer aprender Python, ter ideias de códigos, ou ainda criar projetos, o GPT-3 já é muito útil.
Leia também esse artigo completo sobre a linguagem Python: bit.ly/3aBOIQV
#python #chatgpt #gpt3
Conteúdos do vídeo:
00:00 Organização do vídeo
00:52 O que é o ChatGPT?
01:25 ChatGPT vs GPT-3
03:06 Como o GPT-3 funciona
09:15 Adaptações do GPT-3
10:08 Criando uma conta na OpenAI
10:50 Explorando o ChatGPT
14:50 Táticas de bypass
17:02 Parâmetros para geração de texto
21:05 Catálogo de aplicações do GPT-3
21:23 Perguntas e respostas
22:58 Explicando código de programação
25:35 Resumindo textos
27:21 Transformando Javascript em Python
28:50 Codex
29:21 Como detectar que um conteúdo veio do ChatGPT
31:25 Detectores online de ChatGPT
32:40 Marca d'Água do ChatGPT
35:08 Bypass de detecção
35:59 A inteligência do ChatGPT
38:50 O futuro próximo
39:22 GPT-4
40:05 Consequências para os empregos
41:30 Como estudar esses assuntos
ChatGPT é uma ferramenta criada a partir do modelo GPT-3. Entenda como funciona, como esses modelos foram criados, e como utilizar na prática com muitos exemplos.
#chatgpt #gpt3
Aqui está a lista de músicas utilizadas nesse vídeo:
00:00 Homeward
03:15 Infinitum - We don't care Anymore
06:44 Tim Schaufert - Journey
10:46 Unbrok - Be Near
14:04 Unbrok - Disappointment
17:10 Unbrok - Doubt
20:24 Unbrok - Flow
23:50 Unbrok - Forgotten Fate
26:51 FoxGarden - Sentiments
30:25 Flac - Bleed
34:56 Flac - Foreign Body
41:49 Randloev - Foggy Night
45:06 Flac - Closer
52:04 Flac - Day in Day out
54:49 Ascendant - 320
01:00 Flac - Rumination
01:04 Soaring Wishes
#musicasparaprogramar #musicasparaestudar
Arquivos utilizados na aula:
https://didatica.tech/wp-content/uploads/2022/11/pygame.zip
Vídeo de instalação do Python:
youtube.com/watch?v=r-NlBdKEb2k
Vídeo de instalação do PyCharm:
youtube.com/watch?v=voiYTkf_W9Q
Projeto base:
pygame.org/project/5613
Imagens dos lutadores:
luizmelo.itch.io
Ao longo do vídeo iremos detalhar todo código necessário para criação do jogo, explicando o que cada grupo de código está fazendo e o motivo de sua utilização.
Mesmo que você nunca tenha programado nada na vida, vai ver que aprender Python é uma ótima escolha para iniciar nessa área. A linguagem Python foi inventada justamente com a intenção de ser fácil de ler e interpretar.
O vídeo está organizado da seguinte forma:
00:00 Programação com Python
01:03 Jogos no Python com Pygame
02:03 Curso completo de programação para iniciantes
03:28 Introdução ao projeto
04:40 Instalação do Pygame
05:00 Importando o Pygame
06:57 Definindo configurações, imagens, áudios e fonte
14:07 Iniciando o jogo
18:14 Função blit para exibir a imagem de fundo
19:39 Frames por segundo
22:37 Exibindo a saúde do lutador
31:36 Exibindo o lutador
38:48 Movimentando na horizontal
42:44 Pulando
46:37 Atacando
Para aprender mais sobre a linguagem Python, leia esse artigo: bit.ly/3aBOIQV
Aprenda Python hoje mesmo!
#pygame #python #aprenderpython #programação
O objetivo desse mapa é mostrar a estrutura que o Django utiliza no desenvolvimento de sites, mostrando de forma simples e objetiva como o relacionamento entre as diferentes etapas do desenvolvimento acontece.
Quem está começando no mundo do desenvolvimento WEB faz uma ótima escolha ao optar pelo Django.
O vídeo está organizado da seguinte forma:
00:00 O que é o mapa do Django
02:02 Projeto - Aplicativo - Site
04:43 Iniciando um projeto
05:57 Exibindo a primeira página - Views e URLs
07:30 Utilizando HTML
08:29 Utilizando banco de dados
09:09 API Dango
11:35 Admin Interface
Para aprender mais sobre a linguagem Python, leia esse artigo: bit.ly/3aBOIQV
Imagem do mapa completo: https://didatica.tech/wp-content/uploads/2022/10/Mapa_Django.png
Aprenda Django hoje mesmo!
#django #python #aprenderpython #mapadjango
O objetivo desse mapa é mostrar os principais tópicos de estudo da linguagem Python para iniciantes, começando com os aspectos básicos e depois avançando para as principais áreas de aplicação de Python, como Análise de dados & IA, desenvolvimento WEB, desenvolvimento APP mobile, desenvolvimento de games, automação web & scraping, automação de tarefas, entre outros.
Quem está começando no mundo da programação faz uma ótima escolha ao optar pelo Python. Você vai ver como é fácil programar Python e como uma visão geral sobre a linguagem é útil para seus estudos.
O vídeo está organizado da seguinte forma:
00:00 O que é o mapa do Python
00:55 A estrutura básica do aprendizado de programação
02:28 Os tópicos básicos de Python
06:26 Trabalhando com códigos prontos
07:57 Python para Análise de Dados & IA
09:42 Escolhendo uma biblioteca ou framework
10:31 Python para Desenvolvimento Web
11:29 Python para Desenvolvimento APP mobile
11:53 Python para Jogos/Games
12:56 Python para automação web & scraping
14:46 Python para automação de tarefas
15:54 Ressalvas
Python Stix: http://tiny.cc/pystixpreso
Para aprender mais sobre a linguagem Python, leia esse artigo: bit.ly/3aBOIQV
Imagem do mapa completo: bit.ly/3IDvJln
Aprenda Python hoje mesmo!
#python #aprenderpython #mapapython
Aula de instalação do PyCharm:
youtube.com/watch?v=voiYTkf_W9Q
Esta aula faz parte do curso Programador com Python - Completo para Iniciantes, onde ensinamos Kivy em detalhes, com muita prática e exercícios, além de conceitos básicos de programação, avançando para diversas finalidades distintas. Por ser uma linguagem de propósito geral, com Python é possível criar diferentes aplicações, e este é o nosso foco no curso.
Confira em detalhes aqui: bit.ly/programadorPython
CUPOM 25% OFF
Aproveite um desconto de 25% no valor do curso e comece a evoluir hoje mesmo! Para utilizar, após clicar no botão de pagamento do curso, clique na opção "Possui um cupom de desconto?", e coloque o código DTRMF5 que o desconto será aplicado.
Resumo da aula:
00:08 Apresentando o Aplicativo
01:19 Programador com Python - Curso Completo para Iniciantes
02:25 Instalação do Kivy
02:53 Novo projeto no PyCharm
04:18 Arquivos .py e .kv
05:25 Classe App do Kivy
06:28 Classe BoxLayout do Kivy
07:52 Linguagem kv
08:20 Configurando um BoxLayout
09:40 Widgets - Utilizando um Label
11:32 Executando o aplicativo
12:30 Criando um BoxLayout filho
14:15 Criando um TextInput para o usuário inserir informações
17:05 Criando um Label com ID e sem texto
20:30 Criando um Botão
22:40 Função no Python utilizando self (dados do Widget)
25:45 Atualizando o texto de um Widget
28:44 Ajustanto a cor de fundo
31:16 Pontos de atenção
Aula de instalação do Selenium e WebDriver:
youtube.com/watch?v=HGZaH2g2MKc
Aula O que é Automação WEB:
youtube.com/watch?v=I336I7vT0Xo
Esta aula faz parte do curso Programador com Python - Completo para Iniciantes, onde ensinamos Selenium em detalhes, com muita prática e exercícios, além de conceitos básicos de programação, avançando para diversas finalidades distintas. Por ser uma linguagem de propósito geral, com Python é possível criar diferentes aplicações, e este é o nosso foco no curso.
Confira em detalhes aqui: bit.ly/programadorPython
CUPOM 25% OFF
Aproveite um desconto de 25% no valor do curso e comece a evoluir hoje mesmo! Para utilizar, após clicar no botão de pagamento do curso, clique na opção "Possui um cupom de desconto?", e coloque o código DTRMF5 que o desconto será aplicado.
Resumo da aula:
00:10 Programador com Python - Curso Completo para Iniciantes
01:11 Definindo o problema
01:29 Buscando por temperaturas no Google
01:57 Etapas da automação
02:19 Importando o Selenium
02:37 Abrindo o navegador - ChromeDriver
03:20 Acessando um site - get()
03:50 Digitando no campo de busca - find_element() e send_keys()
04:44 Encontrando um elemento na página HTML
06:43 Clicando no botão de pesquisa - click()
07:54 Encontrando o elemento com a temperatura - text
09:00 Fechando o navegador - quit()
09:15 Buscando pela temperatura em outra cidade
Links:
https://www.selenium.dev/documentation/webdriver/getting_started/install_library/
chromedriver.chromium.org/downloads
Esta aula faz parte do curso Programador com Python - Completo para Iniciantes, onde ensinamos Selenium em detalhes, com muita prática e exercícios, além de conceitos básicos de programação, avançando para diversas finalidades distintas. Por ser uma linguagem de propósito geral, com Python é possível criar diferentes aplicações, e este é o nosso foco no curso.
Confira em detalhes aqui: https://didatica.tech/programador-com-python-curso-completo-para-iniciantes/
CUPOM 25% OFF
Aproveite um desconto de 25% no valor do curso e comece a evoluir hoje mesmo! Para utilizar, após clicar no botão de pagamento do curso, clique na opção "Possui um cupom de desconto?", e coloque o código DTRMF5 que o desconto será aplicado.
Resumo da aula:
00:07 Programador com Python - Curso Completo para Iniciantes
01:27 Documentação Selenium
01:56 pip install selenium
02:10 CMD - Prompt de Comando
02:40 WebDriver
03:07 Download ChromeDriver
03:51 Movendo ChromeDriver para pasta do Python
05:00 Testando a instalação
Nos próximos dias postaremos mais aulas sobre Selenium.
Link Selenium: https://www.selenium.dev/
Em nosso curso Programador com Python - Completo para Iniciantes abordamos este assunto em detalhes, além de conceitos básicos de programação, avançando para diversas finalidades distintas. Por ser uma linguagem de propósito geral, com Python é possível criar diferentes aplicações, e este é o nosso foco no curso.
Confira em detalhes aqui: https://didatica.tech/programador-com-python-curso-completo-para-iniciantes/
CUPOM 25% OFF
Aproveite um desconto de 25% no valor do curso e comece a evoluir hoje mesmo! Para utilizar, após clicar no botão de pagamento do curso, clique na opção "Possui um cupom de desconto?", e coloque o código DTRMF5 que o desconto será aplicado.
Resumo da aula:
00:05 Programador com Python - Curso completo
00:56 O que é automação WEB?
01:22 Finalidade da automação
01:38 Exemplo de automação
04:09 Conhecendo o Selenium
06:26 Selenium WebDriver
07:18 Selenium IDE
08:35 Selenium Grid
09:17 Exemplos de códigos
Aula de instalação do Selenium e WebDriver:
youtube.com/watch?v=HGZaH2g2MKc
A Petrobras abriu concurso com dezenas de vagas para a o cargo de cientista de dados. Cada vez mais empresas (privadas e públicas) estarão procurando profissionais com esses conhecimentos. Você está preparado?
Confira nesse vídeo algumas dicas de material para estudar. Estaremos disponibilizando em breve para nossos alunos estratégias de organização e também um grupo de estudos privado.
Base de dados: kaggle.com/benjibb/sp500-since-1950
Cursos completos: https://didatica.tech/cursos-machine-learning-diferenciados-pela-didatica-aprendizado/
Resumo da aula:
00:01 Objetivo da aula
01:06 Base de dados S&P 500
01:39 Carregando a base
02:46 Detalhando a simulação
04:36 Definindo o objetivo de previsão
09:10 Transformando a variável target em 0 e 1
10:48 Treinando o modelo de classificação
11:27 Analisando o desempenho
14:37 Utilizando o modelo para prever o fechamento do dia seguinte
17:14 Incluindo o dia seguinte no treinamento
20:10 Automatizando o processo
21:20 Criando um script .py
21:39 Gerando arquivos csv
23:44 Editando o script .py
24:26 Exibindo a previsão para o próximo dia
25:38 Exibindo o valor de fechamento do próximo dia
26:58 Incluindo o dia seguinte no treinamento
29:45 Treinando o modelo
30:55 Exibindo a previsão para o dia seguinte
33:49 Executando o script no prompt de comando
Links comentados na aula:
https://didatica.tech/cursos-machine-learning-diferenciados-pela-didatica-aprendizado/
https://didatica.tech/aulas-sobre-inteligencia-artificial-e-ciencia-de-dados/
Confira a organização da aula:
00:01 Introdução à Ciência de Dados (data science)?
01:27 O que é Ciência de Dados (data science)?
03:34 Objetivo da Ciência de Dados
05:16 Ferramentas utilizadas
08:54 Conhecimento e entendimento do negócio
11:09 Business Intelligence
13:26 Levantamento de Requisitos
14:42 Modelagem do Data Warehouse
18:05 ETL - Extração, transformação e carregamento
19:04 Cubos - Análise dos dados
19:41 Dashboards - Visualzação dos dados
20:55 Big Data
21:47 Variedade
22:35 Volume
23:00 Velocidade
23:39 Veracidade e Valor
25:27 Inteligência Artificial
26:38 Recomendação de filmes
27:37 Reconhecimento de fala e imagens
28:06 Assistentes virtuais
29:00 Verificação de compras
29:17 Automóveis autônomos
29:29 Machine Learning
Para entender em detalhes a definição de ciência de dados, leia esse artigo: bit.ly/cienciadeDados
Inteligência Artificial jogando Street Fighter: youtube.com/watch?v=3SLNbON-upI
Nesse vídeo você vai ver de maneira prática a utilização de aprendizado por reforço com redes neurais. A técnica utilizada nessa aula é a mesma introduzida pela Deep Mind para criação de algoritmos genéricos, capazer de dominar os jogos do Atari. O diferencial é fazer a inteligência artificial aprender apenas observando os pixels da tela, sem informações extras sobre a dinâmica do jogo. Na aula sobre Street Figther apresentamos os detalhes técnicos do aprendizado, e aqui nosso foco estará na aplicação prática, com dicas sobre como realizar o treinamento.
Organização do vídeo:
00:00 Introdução
00:51 Jogando a primeira fase
01:51 Recompensa utilizada no Street Figther
02:26 Recompensa no Sonic
04:52 Principais dificuldades durante a fase
07:23 Treinando 6 etapas da fase em paralelo
10:23 Resultado após 4 horas de treinamento
12:47 Ampliando o treinamento com outras 3 etapas
16:28 Resultado após mais 18 horas de treinamento
17:43 Enfrentando o chefão
18:41 Ampliando o treinamento com a fase completa
20:13 Resultado final após 35 horas de treinamento
22:08 Colocando a I.A. treinada na primeira fase para jogar a segunda
Quando o machine learning é utilizado dentro das técnicas de aprendizado por reforço, é possível generalizar o aprendizado para os mais diversos estados.
Para mais informações, visite nosso site.
Curso de Machine Learning com Python - Módulo 2: https://didatica.tech/curso-de-machine-learning-2-com-python/
Curso de Machine Learning com Power BI: https://didatica.tech/curso-de-machine-learning-online-com-power-bi/
Para criar nosso próprio sistema de recomendação de filmes, similar ao que a Netflix utiliza, vamos utilizar uma base de dados contendo usuários, filmes e as avaliações dos usuários para cada filme. Com o algoritmo svd++ iremos criar o modelo para prever as avaliações dos usuários para filmes ainda não avaliados, utilizando Python. Através de um dashboard no Power BI, iremos indicar ao usuário os 3 filmes com as maiores previsões de avaliação para ele, exibindo o nome e imagem de cada filme, que estarão integrados com uma página web, e o percentual de relevância de cada um.
Link base de dados: guoguibing.github.io/librec/datasets/filmtrust.zip
Página web: themoviedb.org/movie?language=pt-BR
Script Python top 20 filmes:
df = pandas.read_csv('insira_aqui_o_caminho_do_seu_PC/ratings.txt', sep=" ", names = ['Usuario ID', 'Filme ID','Avaliacao'])
vinte = df.groupby(['Filme ID']).count().sort_values('Usuario ID',ascending = False).head(20).index
dataset['ID Filme'] = vinte
Script Python treinamento do modelo e previsões:
import surprise
vinte = dataset.groupby(['Filme ID']).count().sort_values('Usuario ID', ascending = False).head(20).index
dataset = dataset.loc[dataset['Filme ID'].isin(vinte)]
# definindo o range das avaliacoes:
reader = surprise.Reader(rating_scale = (0.5, 4.0))
dataset_surprise = surprise.Dataset.load_from_df(dataset, reader)
# Escolhendo o algoritmo e treinando o modelo
dataset_preenchido = dataset_surprise.build_full_trainset()
algoritmo = surprise.SVDpp() # SVD++
algoritmo.fit(dataset_preenchido)
dataset_missing = dataset_preenchido.build_anti_testset()
previsoes = algoritmo.test(dataset_missing)
df = pandas.DataFrame(previsoes)
df.drop(['r_ui','details'], inplace=True, axis=1)
df = df.sort_values('est',ascending = False).groupby('uid').head(3)
df['Posicao'] = df.groupby('uid').cumcount()
Resumo da aula:
0:09 Objetivo da aula
0:56 Recomendação de conteúdo - filmes, músicas, notícias, produtos, etc.
1:27 Curso completo de Machine Learning com Python
1:52 Requisito para exibição de imagens dinâmicas no Power BI com Simple Image
2:56 Carregando a base de dados no Power BI
4:14 Criando uma matrix para entendimento dos dados
6:40 Tabela com filmes e imagens
8:10 Site com filmes e imagens
8:38 Criando a tabela com filmes e URLs das imagens no Power BI
13:00 Relacionamento entre as tabelas
14:00 Script Python para selecionar os 20 filmes com mais avaliações
17:14 Treinamento do modelo de machine learning com Python
20:18 Realizando previsões de avaliações para cada usuário
24:34 Dashboard com usuários e filmes
25:35 Cartão de linha mútipla - filmes e avaliações
25:52 Segmentação de dados - filtro por usuário
26:57 Percentual de relevância do filme
29:38 Imagens dinâmicas dos filmes
32:40 Ajustando o visual do dashboard
37:30 Testando o dashboard para diferentes usuários
Artigo sobre Sistemas de Recomendação: https://didatica.tech/sistemas-de-recomendacao/
Também utilizaremos esses comentários em nosso site, para que novos alunos tenham acesso a essas opiniões.
Agradecemos a colaboração de todos!
Confira aqui todos os nossos cursos:
https://didatica.tech/cursos-machine-learning-diferenciados-pela-didatica-aprendizado/
Sua primeira aplicação de Machine Learning no Power BI:
youtube.com/watch?v=GHt92VC6Pno
Para aprender os conceitos de Machine Learning do zero:
youtube.com/watch?v=ID5Ui22F8HQ&list=PLyqOvdQmGdTSqkutrKDaVJlEv-ui1MyK4
Power BI básico para Machine Learning:
youtube.com/watch?v=KEJKrCe7AIg&list=PLyqOvdQmGdTSbYkn-XArNsDxgJRY5xzrT
Curso de Machine Learning com Power BI:
https://didatica.tech/curso-de-machine-learning-online-com-power-bi/
Resumo da aula:
00:47 Como aplicar machine learning sem saber programar
02:17 Aplicação prática no Power BI
02:48 Carregando a base de dados
03:45 Abrindo a base no Power Query
04:27 Inserindo um script Python
06:04 Separando a variável target e variáveis preditoras
06:42 Separando os dados de treino e teste
07:10 Criando o modelo de machine learning
07:38 Gerando as previsões
09:47 Analisando o resultado
11:30 Passos necessários para aplicar machine learning sem programação
Aula de Python onde detalhamos o script utilizado:
youtube.com/watch?v=DNegkxwQJuY
Para aprender os conceitos de Machine Learning do zero: youtube.com/watch?v=ID5Ui22F8HQ&list=PLyqOvdQmGdTSqkutrKDaVJlEv-ui1MyK4
O curso completo de Power BI básico com Machine Learning está organizado nessa página:
https://didatica.tech/curso-de-power-bi-basico-para-machine-learning-e-ciencia-de-dados-gratuito/
E também nessa playlist: youtube.com/watch?v=KEJKrCe7AIg&list=PLyqOvdQmGdTSbYkn-XArNsDxgJRY5xzrT
Artigo com detalhamento do algoritmo ExtraTrees que foi utilizado nessa aula:
https://didatica.tech/como-funciona-o-algoritmo-extratrees/
Resumo e organização dessa aula:
0:04 Objetivo da aula
0:25 Quais dados iremos utilizar
0:49 Qual pré-requisito para acompanhar a aula?
2:00 Baixando a base de dados
3:18 Instalação do Power BI
3:41 Abrindo o arquivo dentro do Power BI
4:45 Separador decimal no arquivo
5:20 Ajustando a configuração regional do Power BI
7:33 Inserindo uma etapa em Python
8:14 Instalação do Python
9:32 Inserindo o script em Python
10:08 Separando as variáveis preditoras e a variável alvo (target)
10:53 Separando os dados em treino e teste com a função train_test_split
11:51 Treinando o modelo de machine learning
13:03 Desempenho do modelo
13:31 Realizando novas previsões com o modelo
14:15 Conferindo as tabelas resultantes do script
14:40 Conferindo o desempenho do modelo
15:11 Conferindo as previsões do modelo
15:36 Verificando os acertos e erros
16:58 Confusion Matrix - Matriz de confusão com resultado
18:41 Como dar continuidade a esse estudo
Esse dataset contém 6.497 linhas (amostras) e 13 colunas (características) de vinhos classificados em 2 categorias: tinto e branco.
Iremos utilizar um algoritmo de machine learning para aprender a classificar vinhos com base nos dados de treino, e depois verificar a performance com os dados de teste.
Instalando Python (Curso para iniciantes - Aula 2):
youtube.com/watch?v=r-NlBdKEb2k
Essa aula está organizada da seguinte forma:
0:21 Script nas etapas
1:06 Linha de código comentada
1:24 Executando um script Python
2:32 Selecionando a tabela resultante do script
2:55 Alteração nos tipos dos dados com localidade
4:47 Instalação do Python
5:56 Modelo de machine learning com regressão linear para previsão de notas não informadas
7:32 Detalhamento do script Python que realiza as previsões
10:26 Conferindo as previsões na tabela
Próxima aula: Sua primeira aplicação de Machine Learning no Power BI
youtube.com/watch?v=GHt92VC6Pno
O curso completo de Power BI básico com Machine Learning está organizado nessa página:
https://didatica.tech/curso-de-power-bi-basico-para-machine-learning-e-ciencia-de-dados-gratuito/
E também nessa playlist: youtube.com/watch?v=KEJKrCe7AIg&list=PLyqOvdQmGdTSbYkn-XArNsDxgJRY5xzrT
Instalando o R e RStudio (Curso para iniciantes - Aula 2):
youtube.com/watch?v=cfwn_aJ2o7s
Essa aula está organizada da seguinte forma:
0:16 Transformar: Script R e Script Python
0:56 Linha de código comentada
1:23 Como acessar a tabela com o script R
2:00 Executando um script R
3:08 Etapa com script R
4:08 Selecionando a tabela resultante do script
4:35 Editando a tabela através do script R
6:15 Instalação da linguagem R
8:25 Inserindo coluna com notas novas
9:37 Modelo de machine learning com regressão linear para previsão de notas não informadas
10:14 Detalhamento do script R que realiza as previsões
14:44 Conferindo as previsões na tabela
Próxima aula (Aula 10): Como utilizar Python no Power Query
youtube.com/watch?v=M3SiAIxW2mo
O curso completo de Power BI básico com Machine Learning está organizado nessa página:
https://didatica.tech/curso-de-power-bi-basico-para-machine-learning-e-ciencia-de-dados-gratuito/
E também nessa playlist: youtube.com/watch?v=KEJKrCe7AIg&list=PLyqOvdQmGdTSbYkn-XArNsDxgJRY5xzrT
Essa aula está organizada da seguinte forma:
0:22 Adicionar coluna condicional
0:52 Criando a condição que determina os valores da coluna
2:03 Resultado no dashboard
2:20 Aplicações do Power Query para Machine Learning
Próxima aula (Aula 9): Como utilizar um script R no Power Query
youtube.com/watch?v=M1II0wIIOUk
O curso completo de Power BI básico com Machine Learning está organizado nessa página:
https://didatica.tech/curso-de-power-bi-basico-para-machine-learning-e-ciencia-de-dados-gratuito/
E também nessa playlist: youtube.com/watch?v=KEJKrCe7AIg&list=PLyqOvdQmGdTSbYkn-XArNsDxgJRY5xzrT
Essa aula está organizada da seguinte forma:
0:22 Necessidade de edição dos dados
1:52 Como abrir o Power Query - editor de consultas do Power BI
2:32 Removendo uma coluna
2:59 Efeito da remoção de uma coluna no Power BI
3:35 Registro das ações - Etapas Aplicadas
5:30 Excluindo uma etapa
5:43 Filtrando linhas da base
6:30 Efeito do filtro de linhas no Power BI
7:05 Substituindo valores em uma coluna
Próxima aula (Aula 8): Como inserir uma coluna condicional no Power Query
youtube.com/watch?v=SYwsPKn0Ldw
O curso completo de Power BI básico com Machine Learning está organizado nessa página:
https://didatica.tech/curso-de-power-bi-basico-para-machine-learning-e-ciencia-de-dados-gratuito/
E também nessa playlist: youtube.com/watch?v=KEJKrCe7AIg&list=PLyqOvdQmGdTSbYkn-XArNsDxgJRY5xzrT
Essa aula está organizada da seguinte forma:
0:29 Botão "Atualizar"
1:00 Atualizando o arquivo original
1:29 Atualizando o dashboard com novos dados
2:48 Colunas com nomes alterados
3:24 A coluna da tabela não foi encontrada
Próxima aula (Aula 7): Como editar uma base de dados - Power Query
youtube.com/watch?v=MJmkbhQ0QZ0
O curso completo de Power BI básico com Machine Learning está organizado nessa página:
https://didatica.tech/curso-de-power-bi-basico-para-machine-learning-e-ciencia-de-dados-gratuito/
E também nessa playlist: youtube.com/watch?v=KEJKrCe7AIg&list=PLyqOvdQmGdTSbYkn-XArNsDxgJRY5xzrT
Essa aula está organizada da seguinte forma:
0:58 Apresentação dashboard final
1:35 Liberando espaço no relatório
2:49 Gráfico de colunas
3:27 Cores do gráfico variando com a nota
5:53 Formatação do gráfico
8:24 Linha constante com nota para aprovação
9:35 Formatação tabela aprovados
12:09 Formatação cartão nota média aprovados
13:04 Cartão com total de alunos aprovados
14:12 Replicando visuais para alunos reprovados
15:26 Classificando as colunas do gráfico em ordem decrescente
16:51 Formatação gráfico de rosca
18:44 Cartões com total de alunos e nota média da turma
19:52 Caixa de texto identificando a turma
20:31 Formatação do filtro (segmentação de dados)
21:23 Caixa de texto do filtro
Próxima aula (Aula 6): Como atualizar dados no Power BI
youtube.com/watch?v=fJAcynCOK-o
O curso completo de Power BI básico com Machine Learning está organizado nessa página:
https://didatica.tech/curso-de-power-bi-basico-para-machine-learning-e-ciencia-de-dados-gratuito/
E também nessa playlist: youtube.com/watch?v=KEJKrCe7AIg&list=PLyqOvdQmGdTSbYkn-XArNsDxgJRY5xzrT
Essa aula está organizada da seguinte forma:
0:23 Base de dados
1:21 Acabamento visual do dashboard
1:51 Tabela com nomes dos alunos
2:19 Tabela com alunos aprovados (filtro)
3:00 Ajustando a formatação da tabela
3:45 Cartão com a nota média dos aprovados
5:38 Tabela e nota média dos reprovados
6:57 Gráfico de linhas com as notas do alunos
8:02 Adicionando legenda no gráfico
8:50 Ajustando a formatação do gráfico
9:48 Gráfico de barras com quantidade de aprovados e reprovados
10:47 Interatividade do dashboard
11:24 Gráfico de pizza com quantidade de aprovados e reprovados
12:16 Segmentação de dados (filtro) no dashboard
Próxima aula (Aula 5): Como criar seu primeiro Dashboard profissional no Power BI
youtube.com/watch?v=TlVBG63XxZE
O curso completo de Power BI básico com Machine Learning está organizado nessa página:
https://didatica.tech/curso-de-power-bi-basico-para-machine-learning-e-ciencia-de-dados-gratuito/
E também nessa playlist: youtube.com/watch?v=KEJKrCe7AIg&list=PLyqOvdQmGdTSbYkn-XArNsDxgJRY5xzrT
Essa aula está organizada da seguinte forma:
0:20 Tela inicial
1:23 Tela inicial do projeto
2:09 Apresentando gráficos e dashboards contruídos no Power BI
3:01 Carregando uma planilha do Excel para o Power BI
Próxima aula (Aula 4): Como criar seu primeiro Dashboard básico no Power BI
youtube.com/watch?v=y2sNOoPawlU
O curso completo de Power BI básico com Machine Learning está organizado nessa página:
https://didatica.tech/curso-de-power-bi-basico-para-machine-learning-e-ciencia-de-dados-gratuito/
E também nessa playlist: youtube.com/watch?v=KEJKrCe7AIg&list=PLyqOvdQmGdTSbYkn-XArNsDxgJRY5xzrT
Link para Download do Power BI: powerbi.microsoft.com/pt-br/desktop
Tutorial: https://didatica.tech/como-instalar-o-power-bi
Próxima aula (Aula 3): Primeiro acesso no Power BI
youtube.com/watch?v=n-Mp_5cC0iw
Resumo da aula:
0:45 Download
1:55 Instalação
O curso completo de Power BI básico com Machine Learning está organizado nessa página:
https://didatica.tech/curso-de-power-bi-basico-para-machine-learning-e-ciencia-de-dados-gratuito/
E também nessa playlist: youtube.com/watch?v=KEJKrCe7AIg&list=PLyqOvdQmGdTSbYkn-XArNsDxgJRY5xzrT
https://didatica.tech/curso-de-machine-learning-online-com-power-bi/
Essa aula está organizada da seguinte forma:
0:08 O que é o Power BI
0:26 Self-service BI
0:48 Transformar dados em gráficos e dashboards
1:48 Power BI para Machine Learning
2:23 Resultados de modelos de Machine Learning com gráficos e dashboards
2:47 Primeiros passos no Power BI
3:49 Curso de Machine Learning com Power BI
Neste artigo você pode conferir mais detalhes sobre o Power BI e sua finalidade:
https://didatica.tech/o-que-faz-o-power-bi/
Na próxima aula faremos o download e instalação do Power BI. Caso prefira, no link abaixo você pode conferir um tutorial detalhado com esse procedimento:
https://didatica.tech/como-instalar-o-power-bi/
Próxima aula (Aula 2): Instalando o Power BI
youtube.com/watch?v=AzLeL2L-zRY
Aqui no curso aprenderemos como utilizar o Power BI na criação de gráficos e dashboards, de maneira simples e descomplicada. Em poucas aulas realizaremos nossas próprias implementações, já buscando um excelente resultado, que poderá inclusive ser utilizado em projetos profissionais.
Na sequência veremos as possibilidades de integração do Power BI com as linguagens de programação Python e R, que possibilitam total capacidade para criação de modelos de machine learning na própria ferramenta.
Os resultados e previsões desses modelos serão apresentados em gráficos e dashboards no próprio Power BI.
Para aprender mais sobre como o processo de machine learning funciona, confira esse artigo: https://didatica.tech/o-que-e-machine-learning-aprendizado-de-maquina/
Você também pode conferir esse assunto no artigo: https://didatica.tech/inteligencia-artificial-jogando-videogame/
Nesse vídeo você verá que quando misturamos aprendizado por reforço com redes neurais, o resultado é surpreendente. A técnica utilizada nesse vídeo foi inicialmente introduzida pela Deep Mind, ao criar algoritmos genéricos que dominavam todos os jogos do Atari. O diferencial é fazer a inteligência artificial aprender apenas observando os pixels da tela, sem informações extras sobre a dinâmica do jogo.
O vídeo está organizado da seguinte forma:
00:00 Introdução
01:01 Como Aprender
01:28 Técnica Utilizada
04:15 Arquitetura da Rede Neural utilizada
06:27 Honda
07:26 Chun Li
07:57 Sagat
08:52 Guile
09:22 Balrog
09:38 Zangief
10:30 Vega
10:51 Dhalsim
11:23 M. Bison
12:43 IA se defendendo
Quando o machine learning é utilizado dentro das técnicas de aprendizado por reforço, é possível generalizar o aprendizado para os mais diversos estados.
Para mais informações, visite nosso site. Aprenda também:
- O que é Inteligência Artificial: bit.ly/oqueeIA
- O que é Machine Learning: bit.ly/oqueeML
- O que é Python e para que serve: bit.ly/3aBOIQV
Buscando soluções inovadoras para os impactos econômicos que o Brasil enfrentará em decorrência do Covid-19.
Site do evento:
https://coronathon.enap.gov.br/
Matéria:
news.microsoft.com/pt-br/enap-lanca-desafio-hackathon-covid-19
#coronavirus


