Há algumas formas de participar e apoiar a mim e este website.

1. Espalhar o IA-LABS 

A palavra de boca em boca continua a ser uma grande coisa.

Partilhe uma postagem nos meios de comunicação social (redes) sobre o IA-LABS (https://ia-labs.com.br/).

Por exemplo:

Estou aprendendo bastante sobre Inteligencia Artificial (Data Science, Machine Learning, Deep Learning, NPL, Text Mining, Keras, Pytorch, TensorFlow e outros) em https://ia-labs.com.br/

2. Adquirir um curso

Os meus melhores conselhos sobre (Data Science, Machine Learning, Deep Learning, NPL, Text Mining, Keras, Pytorch, TensorFlow e outros) são captados nos meus fragmentos de programação.

São concebidos para o ajudar a aprender e a obter os resultados da forma mais rápida que eu conheço, podendo ser adaptados facilmente a natureza de sua trilha de trabalho diário.

Todas as vendas de cursos financiam e apoiam diretamente o meu trabalho contínuo neste website e a criação de novos tutoriais.

Descubra o Catálogo de Cursos em https://ia-labs.com.br/cursos/

3. Faça uma Doação apoiando Estudantes de baixa renda! Torne-se Patrono!

Se quiser apoiar financeiramente este trabalho, então considere fazer uma doação única.

Pense nisso como comprar um café ou adicionar alguns reais a caixinha das gorjetas. Cada pedacinho ajuda.

Você tem a opção de ser um mensalista e doar uma pequena quantia todos os meses.

Descubra como doar ou tornar-se um patrono em https://ia-labs.com.br/doacoes

Obrigado!

Este trabalho não existiria sem o apoio de pessoas generosas como você!

Escrevo todos os dias.

Escrevi todos os “posts” deste site.

Torno prioritário escrever e dedicar tempo todos os dias a programação. 

Muito raramente faço uma pausa, nem mesmo durante minhas férias.

O meu objetivo é ser super reativo e acessível, de tal forma que alguns leitores e assinantes ficam aguardando novas postagens.

Também tenho a sorte de trabalhar no domínio da Inteligência Artificial – é o meu trabalho o tempo inteiro, e tem sido desde Fevereiro de 2013. Antes disso, era um projeto paralelo onde escrevia de manhã cedo antes do emprego formal (4:30 às 6:30) e aos fins de semana.

Se se quiser fazer muito, é necessário trabalhar por horas.

Acho que não sou um Sênior em nenhuma das áreas ou subáreas de IA.

Acredito na luta pela evolução constante.

A evolução é uma viagem. Penso que está além da mera competência, é uma viagem sem fim.

O aprendizado aplicado de IA é infinitamente fascinante. É um campo enorme, sempre com novos métodos ou mais detalhes para aprender. O domínio das áreas ou subáreas que compõem as divisões e subdivisões de IA significa autoaprendizagem contínua.

Quero ajudar a muitos nesta viagem, sempre criando conteúdo das coisas que aprendi e que penso que irão ser atalho em partes desta peregrinação, como por exemplo:

• Como começar.
• Como obter resultados.
• Em que devemos nos concentrar.

Espero poder ajudá-los nesse percurso.

Há muitas maneiras de estudar a ciência de dados, aprendizagem de máquina e o aprendizado profundo.

1. Por exemplo, uma abordagem acadêmica clássica é começar por aprender as disciplinas prévias matemáticas, depois aprender teorias gerais de aprendizagem de máquina/profundo e as suas derivações, depois as derivações dos algoritmos que os compõem. Um dia você poderá ser capaz de executar um algoritmo sobre dados reais.
2. Esta abordagem pode esmagar a motivação de um programador (Dev) interessado em aprender como começar e utilizar trilhas de IA para acrescentar valor nos negócios.
3. Uma alternativa que recomendo é estudar a ciência de dados, aprendizagem de máquina e o aprendizado profundo como um conjunto de ferramentas que geram resultados para problemas reais (do cotidiano).
4. Desta forma, as trilhas de IA podem ser divididas num conjunto de tutoriais (módulos) para estudar as suas ferramentas e bibliotecas (frameworks). Especificamente, o estudo aplicado, porque os métodos que não são úteis ou que não geram resultados não são considerados; pelo menos não no início.
5. Ao concentrar-se na forma de gerar resultados, um estudante pode começar a acrescentar valor muito rapidamente. Podem também filtrar possíveis áreas a estudar na ciência de dados, aprendizagem de máquina e no aprendizado profundo para restringir o seu foco às áreas que produzem resultados diretamente úteis e relevantes para o seu projeto ou objetivos de vida.

Chamo a esta abordagem ao estudo da ciência de dados, aprendizagem de máquina e o aprendizado profundo: “resultados primeiro”, em oposição a “teoria primeiro”.

Os cursos de graduação e pós-graduação em ciência de dados, aprendizagem de máquina e/ou aprendizado profundo são geralmente concebidos para lhe ensinar a estrutura teórica dos conteúdos. São cursos de formação acadêmica.

Isto também se aplica aos manuais de ciência de dados, aprendizagem de máquina e/ou aprendizado profundo, concebidos para serem utilizados nestes cursos.

Estes cursos são ótimos se você quiser ser um acadêmico. Podem não ser ótimos se você quiser ser um profissional praticante das trilhas de IA.

A abordagem parte dos primeiros princípios e tem as suas raízes na teoria e na matemática. Refiro-me a isto como ensino das trilhas de IA “de baixo para cima” (bottom-up).

Uma abordagem alternativa é concentrar-se no que os profissionais precisam saber para acrescentar valor utilizando as ferramentas da ciência de dados, aprendizagem de máquina e/ou aprendizado profundo nos seus negócios. Especificamente, como trabalhar através de problemas de modelagem preditiva de ponta a ponta (end-to-end).

A teoria e a matemática podem ser utilizadas, mas serão abordadas mais tarde, no contexto do processo de trabalho através de um projeto e apenas de formas que tornem o trabalho através do projeto mais claro ou que permitam ao profissional alcançar melhores resultados.

Recomendo que os programadores e/ou entusiastas do universo IA que estejam interessados em ser profissionais de ciência de dados, aprendizagem de máquina e/ou aprendizado profundo utilizem esta abordagem.

Refiro-me a ela como estudo “de cima para baixo” (top-down).

Pode-se descobrir mais sobre como se pode utilizar a abordagem de estudo “de cima para baixo” apenas acessando o “módulo Iniciante”.

Só eu, Gerson Nascimento (LinkedIn).

• Não há uma grande equipe de conteudistas.

• Nenhuma companhia “sem rosto, oculta”.

• Nenhum pessoal de “help desk”.

Sou um cara real com uma paixão pelo ensino da ciência de dados, aprendizagem de máquina e o aprendizado profundo; uma paixão por ajudar os outros com o ensino de Inteligência Artificial e suas áreas correlatas.

Comecei este projeto por duas (02) razões:

1) Penso que o ensino das trilhas de IA é profundo e infinitamente interessante.

Estudei, trabalhei e ainda trabalho em algumas áreas diferentes de inteligência artificial, inteligência computacional, sistemas multi-agentes, previsão AGRO; mas continuo a retornar ao ensino da ciência de dados, aprendizagem de máquina e aprendizado profundo.

2) Quero ajudar os programadores e entusiastas do universo IA a começarem e a tornarem-se melhores na ciência de dados, aprendizagem de máquina e aprendizado profundo.

Vejo vários programadores perderem seu valioso tempo. Estudar da forma errada, concentrar-me nas coisas erradas, métodos errados, caminhos errados, preparar-se para começar nas trilhas de IA, mas nunca puxar o gatilho. É um desperdício de vida e eu odeio desperdício.

No IA-Labs utilizamos apenas ferramentas baseadas nas versões gratuitas. Ou seja você não terá nenhum custo adicional para se atualizar.

Você aprenderá a programar utilizando o “Jupyter Notebook” ou “Jupyter Lab” – um aplicativo web open-source, que faz parte do ambiente Anaconda (https://www.inatel.br/pesquisador/images/tutorial-de-instalacao-ambiente-python.pdf) ou qualquer IDE Python de sua escolha.

Após esses passos, você já poderá utilizar o programa para testar e aprimorar seus códigos. A aplicação oferece suporte para mais de 40 linguagens de programação, tendo as principais, Python, R, Julia, and Scala.

Interessados em aprender a programar para trilhas de Inteligência Artificial (Machine Learning, Data Science e Deep Learning) utilizando a linguagem Python para implementação computacional.

Nossos cursos também são indicados para programadores que pretendem se atualizar com pequeno investimento e curto espaço de tempo.

Se faz necessário experiência anterior em linguagem de programação, por exemplo: Java, PhP, C#, Python, Julia VB, C, C++, entre outras.