Aprenda Deep Learning Sem Gastar Nada

Source: Deep Learning on Medium


Depois de alguns bons dias sem escrever decidi criar vergonha na cara e voltar a dedicar um tempo ao meu Medium, afinal passou da hora de voltar a postar por aqui, não é?!

Esse artigo é aquele que você pensa: poxa, mas existem tantos sobre “como aprender machine learning sem gastar, qual a diferença?”. Bom o foco aqui não é a diferença entre machine learning e deep learning e todos sabemos que são áreas que compartilham ideias, na verdade podemos dizer que DL está “dentro” de ML, mas nesse artigo vou falar de deep learning mesmo, focando em redes convolucionais e recorrentes.

Métodos iniciais: Youtube e Livros

Se você ainda não assistiu um curso completo no Youtube você não sabe o que está perdendo, o Youtube é uma das maiores plataformas de divulgação pessoal, onde a própria slogan dele fala disso. Existem vários, muitos mesmos cursos de deep learning lá dentro, o mais famoso é o Andrew Ng, que já comentei nesse post, como o curso pode ser visto de graça, sem contar com certificado, pelo Coursera, então não vejo problema em colocá-lo aqui. Além dele também tem vários outros, onde pode-se ver uma lista abaixo:

  1. Curso completo do Andrew Ng de Deep Learning
  2. Curso de Introdução a Deep Learning do MIT
  3. Curso de Deep Learning Para CNN de Stanford
  4. Curso de Redes Neurais do professor Geoffrey Hinton

“Ah, mas eu odeio vídeo aulas, curto uns livros!” Não seja por isso! Há uma coletânea de livros de deep learning 0800 na internet para você acessar, entre eles tem o do mais famoso Ian Goodfellow que é sensacional e muito bom de se ler.

  1. Deep Learning — Ian Goodfellow e outros.
  2. Deep Learning (Em Português) — DSA
  3. Deep Learning and NN — Michael Nielsen

Esse são para quem não tem conhecimento nenhum, existem cursos bem baratos na Udemy com foco em prática, mas como o foco aqui é não gastar money então nada de falar deles.

Métodos avançados: Implementar artigos e desafios do Kaggle

Já falei disso nesse post, mas não custa reforçar, implementar artigos do Arxiv, dominar as ferramentas que a galera está usando, se você fizer isso com maestria e é claro usar as competições do Kaggle para ter bases de dados boas para brincar você vai longe.

Uma grande vantagem do Kaggle é que ele tem os kernels, aonde você pode criar um modelo dentro de uma máquina virtual deles que já vem com GPU, ou seja, você não terá problemas com implementação de redes para reconhecimentos de imagens.

Existem outras formas mais interessantes talvez, como usar ferramentas para resolver problemas pessoais, você não precisa efetivamente resolver, mas supondo que não existisse alguma ferramenta que, com base em uma foto de uma tabela gerasse uma tabela virtual para o Excel, você poderia implementar isso com OpenCV ou alguma biblioteca similar, sua imaginação evolui seu conhecimento.

No geral eu só falei o obvio, assim como livros e vídeos de fácil acesso, mas é sempre bom reforçar que para adquirir conhecimento você não precisa ir a faculdade, não precisa pagar cursos caros, é só correr atrás! Claro, seu caminho será bem mais duro, mas você também chegará lá.

No mais, é só isso! Obrigado por ter lido até aqui, DEIXEM SEU CLAP! Me adicionem no LinkedIn e me sigam no Github, na primeira eu sou mais ativo, mas prometo que irei ser mais na segunda, assim como aqui. Até mais!