Fazia tempo que eu tentava finalizar este curso. Comecei em maio de 2023 e parei em julho do mesmo ano quando um novo projeto surgiu e eu precisava dar tudo de mim (TUDO mesmo) para ele. Dois anos depois, eu retomei para o curso e descobri que ele tinha sido reformulado. Então decidi recomeçar.
O curso é oferecido pela parceria Stanford Online e DeepLearning.AI na plataforma Coursera. É integralmente ministrado pelo Andrew Ng, professor adjunto na Universidade Stanford, co-founder do Coursera e founder da DeepLearning.AI. Como o próprio Andrew define, este curso te dá uma base sólida em Machine Learning e é um excelente primeiro passo para começar nesta área.
A especialização é composta por 3 cursos e a estimativa da plataforma é de conclusão em 10 semanas se você seguir o cronograma de atividades por semana de cada curso:
- Curso 1 – Supervised Machine Learning: explora os conceitos linear regression, logistic regression e gradient descent. 📌 Recomendo ter familiaridade com alguns conceitos matemáticos (derivada, operações entre matrizes e vetores, logaritmo) e outros de estatística (probabilidade, modelo normal) .
- Curso 2 – Advanced Learning Algorithms: explora redes neurais, árvores de decisão, classificação, bias/variance, back propagation. 📌 Acredito que entender o conceito de variância faz diferença para aproveitar melhor o conteúdo.
- Curso 3 – Unsupervised Learning, recomendação, reinforcement learning: Os conceitos utilizados por mecanismos de recomendação como clustering, collaborative filtering, content-based filtering estão neste curso. A parte de reinforcement learning é explicada utilizando o Mars rover como exemplo.
Este curso está bem longe de ser um cursinho rápido e superficial, mas é importante alinhar as expectativas. Também não é o CS229 (que tem todas as aulas ministradas pelo próprio Andrew em 2018 no youtube). Para mim, o curso quer oferecer algo acessível para todos mas não esconde os conceitos matemáticos que estão por trás dos algoritmos. O próprio Andrew fala em diversos momento do curso algo como:
“Se você não conhecer [conceito], não tiver tido aulas de [álgebra linear, estatística], sem problemas. Você vai conseguir completar o curso”.
Na prática, eu acho que entender certos conceitos antes ajuda bastante. Por isso, deixei algumas recomendações ao longo do texto. Mas se o Andrew garante que é possível aprender sem eles… quem sou eu para discordar? 😛
O curso não é gratuito. Você precisa fazer a assinatura do Coursera que custa USD 40/mês. Ou seja, o custo total vai depender do tempo que você levar para concluir.
O curso é dividido entre videos e exercícios práticos (lab) feitos no jupyter notebooks dentro da própria plataforma. Você usa python para programar, mas os exercícios consistem em completar funções. Você não tem que implementar do zero.
Vale a pena?
Eu apoio quem disser que é possível aprender todos estes conceitos no youtube/internet. Mas eu valorizo a organização e curadoria de conteúdo bem estruturado. Eu acho que isso me poupa muito tempo. Além disso, o Andrew é uma referência no assunto, tem uma didática muito boa, a energia dele nos videos é contagiante e ele conta piadas ótimas como:
“Where do ML engineers camp? In a random forest.” 😂
Então, eu acho que vale muito a pena.
O exercício final é o treinamento para “Lunar Lander”. Se quiser mais informações, acesse o github.
anapaulamota.me 
Deixe um comentário