Quer conhecer as últimas novidades do Google em Machine Learning? Participe do Machine Learning Study Jam! O Machine Learning Study Jam é uma sessão de estudos organizada pela comunidade de developers do Google (GDGs) composta por um encontro presencial e práticas de estudo individual, na qual você vai conhecer o Machine Learning Crashing Course (MLCC), seus módulos e conceitos básicos de Machine Learning. Com uma abordagem prática e aplicada, você vai aprender como utilizar Machine Learning nos seus projetos e aproveitar todas as vantagens do TensorFlow por meio de abstrações de alto nível. É uma excelente oportunidade para profissionais, empreendedores e estudantes ganharem experiência em Machine Learning e TensorFlow na prática. A quem se destina: Para quem não é recomendado: Outros requisitos: ** Traga seu laptop! ** Não se esqueça de trazer 05 (Cinco) Leite em caixinha para colaborar com nossa campanha solidária. Iremos doar para uma entidade que cuida de crianças em Rio Verde(GO). Agenda:
• Programadores experientes.
• Profissionais, empresários e estudantes que queiram adquirir experiência prática em Machine Learning e TensorFlow.
• Pessoas familiarizadas com Python com conhecimento de álgebra linear e cálculo.
• Participantes com amplo conhecimento de machine learning.
• Participantes que querem aprender as complexidades de baixo nível de TensorFlow. Embora no curso haja exercícios básicos sobre TensorFlow, a maioria deles tem como foco nas APIs de alto nível do Tensor.
• Participantes em busca de tópicos avançados em machine learning, entre eles modelos convolucionais de reconhecimento de imagem e modelos recorrentes/sequenciais.
• Para participar, leve seu notebook (PC, Mac ou Chromebook) com o carregador. É necessário que o notebook esteja com a versão mais recente do navegador de Internet. Para ter uma experiência melhor, instale o Firefox ou o Chrome.
• Papel e caneta (ou outra opção da sua preferência se quiser fazer anotações).
14:00: Início do evento
14:30: Visão geral e primeiros 3 módulos do MLCC
16:15: Intervalo
16h30: Módulos TensorFlow
18:00: Final do evento