Uma base básica nos princípios e práticas em torno da inteligência artificial (IA), automação e sistemas cognitivos é algo que provavelmente se tornará cada vez mais valioso, independentemente de sua área de atuação, especialidade ou profissão.

Felizmente, hoje você não precisa tirar anos de sua vida estudando na universidade para se familiarizar com essa tecnologia aparentemente complexa. Um número crescente de cursos on-line surgiu nos últimos anos, cobrindo tudo, desde o básico até a implementação avançada.

Alguns são destinados a pessoas que querem mergulhar diretamente na codificação de suas próprias redes neurais artificiais e, compreensivelmente, assumir um certo nível de habilidade técnica. Outros são úteis para aqueles que querem aprender como essa tecnologia pode ser aplicada por qualquer pessoa, independentemente de conhecimentos técnicos, para resolver problemas reais.

Neste post vou dar um resumo de alguns dos melhores gratuitos que estão disponíveis hoje.

Learn With Google AI

Esse recurso recém-lançado faz parte do plano do Google de ampliar a compreensão da inteligência artificial entre o público em geral.

O material está sendo adicionado lentamente, mas já contém um curso intensivo de Machine Learning com o TensorFlow (biblioteca de Machine Learning do Google).

O curso cobre desde uma introdução básica até o Machine Learning, a introdução do TensorFlow, ao projeto e treinamento de redes neurais.

Ele é projetado para que aqueles que não têm conhecimento prévio de Machine Learning possam começar logo, aqueles com alguma experiência podem escolher ou escolher módulos que os interessem, enquanto especialistas em Machine Learning podem usá-lo como uma introdução ao TensorFlow.

Google – Machine Learning

Este é um curso um pouco mais aprofundado do Google oferecido pela Udacity. Como tal, não se destina a novatos e exige alguma experiência anterior de aprendizagem automática, ao ponto de conhecer pelo menos os métodos de aprendizagem supervisionados.

Centra-se na aprendizagem profunda e no design de sistemas de autoaprendizagem que podem aprender a partir de conjuntos de dados grandes e complexos.

O curso é voltado para aqueles que desejam colocar o Machine Learning, tecnologia de rede neural para trabalhar como analistas de dados, cientistas de dados ou engenheiros de Machine Learning, bem como indivíduos empreendedores que desejam usar a infinidade de bibliotecas e materiais de código aberto disponíveis.

Stanford University – Machine Learning

Este curso é oferecido pelo Coursera e pode ser estudado gratuitamente, embora haja também a opção de pagar pela certificação, o que certamente poderia ser útil se você planeja usar sua compreensão da IA ​​para aumentar suas perspectivas de carreira.

O curso abrange o espectro de implementações de Machine Learning do mundo real a partir do reconhecimento de fala e aprimoramento da pesquisa na web, entrando em profundidade técnica com tópicos de estatística como regressão linear, os métodos de retropropagação pelos quais redes neurais aprendem e um tutorial do Matlab – um das linguagens de programação mais utilizadas para ferramentas de IA baseadas em probabilidade.

Columbia University – Machine Learning

Este curso também está disponível na íntegra gratuitamente on-line, com a opção de pagar pela certificação, caso você precise.

Ele promete ensinar modelos, métodos e aplicativos para resolver problemas do mundo real usando métodos probabilísticos e não probabilísticos, bem como aprendizado supervisionado e não supervisionado.

Para tirar o máximo proveito do curso, você deve gastar de oito a dez horas por semana nos materiais e exercícios, durante 12 semanas.

É oferecido através do provedor de cursos online sem fins lucrativos edX, onde faz parte do nanodegree de Inteligência Artificial.

Nvidia – Fundamentals of Deep Learning for Computer Vision

A visão computacional é a subdisciplina da IA ​​na construção de computadores que podem ver processando informações visuais da mesma forma que nossos cérebros.

Além dos fundamentos técnicos, aborda como identificar situações ou problemas que podem se beneficiar da aplicação de máquinas capazes de reconhecimento de objetos e classificação de imagens.

Como fabricante de unidades de processamento gráfico (GPUs), a Nvidia, sem surpresa, cobre a parte crucial que esses mecanismos gráficos de alta potência, antes voltados principalmente para a exibição de imagens de ponta, desempenharam no surgimento generalizado de aplicativos de visão computacional.

A avaliação final abrange a construção e implantação de uma aplicação de rede neural e, embora todo o curso possa ser estudado em seu próprio ritmo, você deve esperar gastar cerca de oito horas no material.

MIT – Deep Learning for Self Driving Cars

Assim como no curso acima, o MIT usa a abordagem de usar um dos principais aspectos da AI no mundo real como um ponto de partida para explorar as tecnologias específicas envolvidas.

Os carros autônomos, que são amplamente esperados para se tornarem parte de nossas vidas cotidianas, confiam na AI para entender todos os dados que atingem a matriz de sensores do veículo e navegam nas estradas com segurança.

Isso envolve ensinar as máquinas a interpretar os dados desses sensores, assim como nossos próprios cérebros interpretam os sinais de nossos olhos, ouvidos e tato.

Abrange o uso do simulador MIT DeepTraffic, que desafia os alunos a ensinar um carro simulado a dirigir o mais rápido possível por uma estrada movimentada, sem colidir com outros usuários da estrada.

Este é um curso ministrado pela primeira vez no ano passado, e todos os materiais, incluindo vídeos e exercícios de palestras, estão disponíveis on-line, mas você não poderá obter uma certificação.