วีดีโอ

Obrigado por disponibilizar as aulas!Conteúdo de alto nível. Temos a Deep Learning - L04 Álgebra linear para deep learning part1?

Onde eu posso encontrar essas classes completas que vi que você tem uma imagem. Por exemplo a classe KNNClassifier(object). Foi você quem criou ou pegou de algum lugar?

Eu vou acompanhar essa obra de arte do primeiro até o último vídeo! O que eu pensar de interessante para comentar em cada vídeo vou colocar. Sinto que vou me desenvolver bastante após ver todos os vídeos, já estou enrolando para assistir faz tempo

Obrigado por incluir as explicações de álgebra linear e geometria analítica. Faz um tempo que cursei essas matérias e seria mais difícil entender o conteúdo se eu tivesse que rever cada um dos conceitos que apareceram no vídeo

Iniciativa muito legal de disponibilizar isso para todos. Obrigado

Muito bom, Prof. Dalcimar. Obrigado!

show de bola

Salve professor. Tanta trazer isso pra graduação de ADS. Literalmente não tem nada de IA na grade

obrigado prof. ajudou a esclarecer algumas duvidas.

Estou gostando muito de suas aulas. Parabéns, professor.

Aula espetacular mestre

Professor, antes de tudo, grato pelo conteúdo que está sensacional!! Queria deixar uma observação: Aproximadamente no 39:05, parece que o senhor rodou o modelo 1 ao invés do modelo 2. E percebi que na classe SoftmaxRegression2, não tinha os métodos evaluate() e predict_labels(), então copiei esses métodos do modelo 1 no Scratch e colei no modelo2. E deletei o método comp_accuracy() que estava dando alguns erros de dimensionalidade e como dito anteriormente, usei o evaluate() para medir a acurácia. novamente, MUITO OBRIGADO PELO CURSO!!

muito obrigado prof. pela aula.

obrigado pela aula prof. simplesmente fantastica.

Excelente explicação.... bastante didático! Gosto bastante das recapitulações para fixação dos conceitos! Parabéns!

no min 6:36

obs. tem um erro prof. x vai continuar sendo 5 ou 0,2^(-1)

Professor monstro na didática. Traz exemplos práticos que facilitam o entendimento.

Embora seja um conteúdo um tanto complexo, pelo fato de permitir confusões na interpretação das notações, mas a didática ajuda bastante no entendimento, principalmente quando parte para os exemplos da teoria.... Parabéns... e obrigado pela nobre ação de ensinar.... espero tb multiplicar o conhecimento em ambientes de aprendizagem!

Parabéns, Prof. Dalcimar! Didática excelente.... aprendo muito com seus vídeos! Impossível não gostar desses vídeos! Obrigado pelo compartilhamento do conhecimento!

Que baita didática deste professor! Parabéns Professor Dalcimar.

Eu quero me aprofundar nesse assunto, pode me ajudar?

video incrível, valeu!

Ótimo conteúdo

muito bom

Qual seria esse livro ?

oi

Primeiramente, gostaria de parabenizar pela disponibilização de um curso completo como esse e de ótima qualidade. Está sendo minha salvação, pois as aulas desse assunto oferecidas na graduação que frequento estão deixando muito a desejar. Agora, um feedback: em 10:19 acredito que houve um equívoco. Foi dito que P(x2) = P(x1), no entanto creio que o certo seria dizer que P(x2 | x1) = P(x2) pelo fato de, no caso em questão, o evento x2 ser independente de x1.

Bom dia! Eu posso chamar de voting sendo o mesmo modelo, mas com hipóteses diferentes ? É que eu estou desenvolvimento um trabalho e eu consegui fazer uma previsão por séries temporais usando dois métodos diferentes. Tipo ARIMA(3,2,1) e ARIMA (4,1,2), cada um com os hiperparâmetros gerados pelas hipóteses diferentes. O que acontece é que a média tá dando um resultado melhor que os dois isolados, posso chamar isso de voting? mesmo não sendo modelos diferentes. Queria saber se posso chamar a média de dois ARIMA de voting ou tem que ser tipos diferentes de modelos (tipo ARIMA + GARCH pra ser voting). ( uma hipótese eu usei o tradional menor valor do AIC e o segundo eu fiz validação cruzada (backtesting) em séries temporais)

se caso alguém baixar fashion_mnist pelo IDE padrão quem vem no py da erro, utiliza vscode para baixar resolveu aqui

Professor, minha vontade era de comentar em todos os vídeos, mas como não posso.. gostaria de agradecer aqui mesmo! Por este curso maravilhoso, riquíssimo de conhecimento e explicações extremamente didáticas! Parabéns pelo trabalho e obrigado pelos ensinamentos!

Probabilidade não é dada em percentual kkk

Muito Bom

Muito boa a aula professor. Iniciarei essa jornada de aprendizado em ML com este curso.

Excelente explicação!!

Desculpe-me professor, no vídeo você fez da forma que eu falei, mas no seu manual do github você fez com os dados padronizados. Sendo assim, acho que entendi. Tenho que usar os dados padronizados. Obrigado!

Boa tarde professor, nesse pipeline você padronizou os dados, mas na hora de treinar (fit) você usou os dados sem padronizar. Não entendi isso?

Top de Mais !

Muito bem explicado! Padrão UTFPR

Professor como posso entrar em contato com o senhor?

Eu ri muito nos vídeos dos bonecos doidões por aprendizado de reforço

Mahalanobis é uma generalização da distância euclidiana normalizada?

mas se não tiver dependência eu posso multiplicar mesmo assim né? pois vai zerar a covariância, a diferença é que vou perder tempo.

Muito bom o vídeo, me esclareceu muito

E qual seria a melhor forma de comunicação entre pai e filhos? Penso em usar isso pra criar instâncias de servidor, onde pai seria a central e filhos as instâncias, e todas elas precisa de comunicar com pai, não consigo achar a melhor forma pra isso, socket não é uma opção pra mim, já publish e subcribe, ou pipe não achei nada q me clareia como fazer corretamente

Professor Dacimar, estou utilizando uma tabela em csv com algumas características, mas está dando prolema, pq diz que os dados da tabela são um objeto.

Obrigado, agora sim entendi

Suas aulas são ótimas. Parabéns! Muito obrigado por disponibilizá-las. Estou cursando essa disciplina em outra universidade e está me ajudando bastante a reforçar os conceitos.

14:36 Para quem for rodar esse trecho de código e der erro, nas importações adicione: [...] import matplotlib.pyplot as plt [...] Fazendo isso o código funcionou

Incrível, não sabia da existência desse conjunto de validação, mas faz todo sentido agora que vi. Afinal, na hora de fazer o deploy nem faz sentido estimar parâmetros com os dados q vc quer descobrir o resultado ( pois não tem o target).