Youtube
Aulas e bate-papos
Aula 1: O que é Inteligência Artificial, sua história e aplicações – Vídeo
Material: IA para Todos – Aula 1 (Apresentação)
Referência: Inteligência Artificial – Livro por Peter Novig e Stuart Russell (História da IA)
Bate-papo com Thibério Rangel – Biólogo pós-doutorando no MIT – Vídeo
Contato: http://thiberio.ninja/
Aula 2: Introdução à aprendizagem de máquina – Vídeo
Material: IA para Todos – Aula 2 (Apresentação)
Referência: Inteligência Artificial – Uma abordagem de aprendizagem de máquina, por Katti Faceli e outros autores.
Para se aprofundar no assunto:
Site de aulas de IA (Thaís Gaudencio)
Links com códigos e notas de aulas de métodos de IA e AM:
Github para códigos de Yuri Malheiros e Github para notas de Yuri Malheiros
Bate-papo com Juarez Bochi – Engenheiro de Aprendizagem de Máquina – Google/NY – Vídeo
Material: IA para Todos – Slides
Twitter: https://twitter.com/jbochi
Medium: https://medium.com/@jbochi
Github: https://github.com/jbochi
Aula 3: Pré-processamento de dados – Vídeo
Material: IA para Todos – Slides
Referência: Inteligência Artificial – Uma abordagem de aprendizagem de máquina, por Katti Faceli e outros autores.
Para se aprofundar no assunto:
Site de aulas de IA (Thaís Gaudencio)
Para quem não sabe onde começar a programar em Python, segue o livro online “Python para Estatísticos”
https://tmfilho.github.io/pyestbook/intro
Bate-papo com Arnaldo Gualberto – Engenheiro de Aprendizagem de Máquina – Wildlife/SP – Vídeo
Curso de Deep Learning na Udemy: https://www.udemy.com/user/arnaldo-gualberto/
Medium: https://medium.com/@arnaldog12
Github: https://github.com/arnaldog12
Aula 4: Aprendizagem de Máquina Supervisionada – Métodos – Vídeo
Material: IA para Todos – Slides
Referência: Inteligência Artificial – Uma abordagem de aprendizagem de máquina, por Katti Faceli e outros autores.
Elements of Statistical Learning, por Trevor Hastie e outros autores.
Para se aprofundar no assunto:
https://github.com/tmfilho/ml-examples/blob/master/notebooks/cachorros-gatos.ipynb
https://web.stanford.edu/~hastie/Papers/ESLII.pdf
Bate-papo com Bruno Barufaldi – Pesquisador – Departamento de Radiologia – Universidade da Pensilvânia – Vídeo
Google Scholar: https://scholar.google.com/citations?user=oHFy6JQAAAAJ&hl=en
Aula 5: Aprendizagem de Máquina Não Supervisionada – Métodos – 07/07/2020 – Vídeo
Material: IA para Todos – Slides
Referência: Inteligência Artificial – Uma abordagem de aprendizagem de máquina, por Katti Faceli e outros autores
Elements of Statistical Learning, por Trevor Hastie e outros autores.
Para se aprofundar no assunto:
Agrupamento probabilístico: Mistura de Gaussianas
https://towardsdatascience.com/gaussian-mixture-models-d13a5e915c8e
https://scikit-learn.org/stable/modules/mixture.html
Descoberta de variáveis “escondidas” (latentes): Análise fatorial
https://towardsdatascience.com/factor-analysis-101-31710b7cadff
https://scikit-learn.org/stable/modules/generated/sklearn.decomposition.FactorAnalysis.html
Outros:
https://github.com/tmfilho/ml-examples/blob/master/notebooks/nao-supervisionada.ipynb
https://web.stanford.edu/~hastie/Papers/ESLII.pdf
https://www.kdnuggets.com/2018/06/5-clustering-algorithms-data-scientists-need-know.html
Bate-papo com Marianne Linhares – Deepmind – Vídeo
Twitter: https://twitter.com/hereismari
Links:
Sobre a história da DeepMind, o próprio site é excelente e super didático: Site
Sobre DQN 2013 (Playing Atari with Deep Reinforcement Learning): Site
AlphaGo: filme documentário no YouTube: Site
AlphaStar: Site
AlphaFold: Site
DeepMind for Google: Site
Sobre o OpenMined: Site
Sobre differencial privacy: Site
Sobre federated learning: Site
Palestras de pesquisadores da DeepMind na UCL: Vídeo
MLSS (Machine Learning Summer School): Site
Sobre como aplicar, tem esse artigo excelente: Site
Aula 6: Avaliação de Modelos – Vídeo
Material: IA para Todos – Slides
Referência: Inteligência Artificial – Uma abordagem de aprendizagem de máquina, por Katti Faceli e outros autores.
Elements of Statistical Learning, por Trevor Hastie e outros autores.
Para se aprofundar no assunto:
Avaliação de modelos de agrupamentos:
https://en.wikipedia.org/wiki/Rand_inex
https://en.wikipedia.org/wiki/Silhouette_(clustering)
Notebook:
https://github.com/tmfilho/ml-examples/blob/master/notebooks/avaliacao-modelos.ipynb
Bate-papo com Renan Moioli – Neurociências, robótica e IA – Vídeo
Aula 7: Redes Neurais – Vídeo
Material: IA para Todos – Slides
Referência: Inteligência Artificial – Uma abordagem de aprendizagem de máquina, por Katti Faceli e outros autores.
Machine Learning, por Tom Mitchell
Para se aprofundar no assunto:
Explicação do backpropagation mostrando todos os cálculos, incluindo as derivadas:
https://mattmazur.com/2015/03/17/a-step-by-step-backpropagation-example/
Tensorflow Playground:
http://playground.tensorflow.org
Bate-papo com Geraldo Ramos – Moises.ai – Vídeo
Twitter: https://twitter.com/geraldoramos
Links: Moises.ai
Aula 8: Redes Neurais Convolucionais – Vídeo
Material: IA para Todos – Slides
Referência: Deep Learning, por Ian Goodfellow, Yoshua Bengio e Aaron Courville
Para se aprofundar no assunto:
Especialização de Deep Learning do Coursera: https://www.deeplearning.ai/deep-learning-specialization/
Visualização das camadas de uma rede neural convolucional: https://towardsdatascience.com/feature-visualization-on-convolutional-neural-networks-keras-5561a116d1af
Bate-papo com Rychard Guedes – Cientista de Dados – Itaú – Vídeo
Let’s Code Academy – Blog sobre programação
Aula 9: Processamento de Linguagem Natural – Vídeo
Material: IA para Todos – Slides
Referência: Speech and Language Processing, por Dan Jurafsky e James H. Martin – https://web.stanford.edu/~jurafsky/slp3/
Para se aprofundar no assunto:
Sobre o GPT-2: https://openai.com/blog/better-language-models/
Bate-papo com Hermano Vianna – Cultura e IA – Vídeo
Blog: https://hermanovianna.wordpress.com/
Youtube: Série do canal Expresso do Futuro do Canal Futura
Aula 10: Aplicações de Inteligência Artificial – Vídeo
Material:
Jupyter Notebook sobre classificação textual (dataset utilizado: SMS Spam Collection)
Bate-papo com Telmo Filho, Thaís Gaudencio e Yuri Malheiros – Vídeo
Links:
Introdução à Computação com Python: um curso interativo — Introdução à Computação com Python: https://panda.ime.usp.br/cc110/static/cc110/index.html
Livros recomendados:
Inteligência Artificial – Uma Abordagem de Aprendizado de Máquina, por Katti Faceli e outros autores;
Inteligência Artificial – Uma Abordagem Moderna, por Stuart Russell e Peter Norvig;
Data Science from Scratch, por Joel Grus;
Elements of Statistical Learning, por Trevor Hastie, Robert Tibshirani e Jerome Friedman