Central de aprendizado de IA

Neurônios, retropropagação e otimizadores

1. Neurônios e funções de ativação em Python Blocos básicos 3 desafios
2. Propagação direta e funções de perda em Python Propagação direta 3 desafios
3. Gradiente descendente e retropropagação em Python Treinamento 5 desafios
4. Otimizadores de redes neurais: SGD, Momentum e Adam em Python Treinamento melhor 4 desafios

Regressão, classificação e agrupamento

1. Preparação de dados para aprendizado de máquina em Python Trabalhando com dados 3 desafios
2. Regressão linear e logística em Python Regressão 4 desafios
3. Fundamentos de classificação: softmax e k vizinhos mais próximos em Python Classificação 6 desafios
4. Similaridade de cosseno e agrupamento k-means em Python Similaridade e agrupamento 2 desafios

Tokenizadores, atenção e geração de texto

1. Tokenização: vocabulário, one-hot e byte pair encoding em Python Tokenização 3 desafios
2. Atenção e self-attention em Python Atenção 4 desafios
3. Como os modelos de linguagem geram texto: temperatura e top-k em Python Normalização e geração 2 desafios

Busca, jogos e aprendizado por reforço

1. Busca e IA de jogos: A* e minimax em Python Busca, jogos e evolução 4 desafios
2. Cadeias de Markov e o dilema entre explorar e aproveitar em Python Acaso e exploração 2 desafios
3. Aprendizado por reforço: value iteration e Q-learning em Python Aprendizado por reforço 2 desafios