Avisos

CAPA

 

COLETÂNEA PYTHON DO ZERO

 

ÀS REDES NEURAIS ARTIFICIAIS

6 LIVROS 1170 PÁGINAS

 

COLETÂNEA PYTHON DO ZERO

 

ÀS REDES NEURAIS ARTIFICIAIS

 

FERNANDO FELTRIN

AVISOS

 

Este livro é um compilado dos seguintes títulos:

- Python do ZERO à Programação Orientada a Objetos

- Programação Orientada a Objetos

- Tópicos Avançados em Python

- Arrays + Numpy Com Python

- Ciência de Dados e Aprendizado de Máquina

- Inteligência Artificial com Python

Todo conteúdo foi reordenado de forma a não haver divisões entre os conteúdos de um livro e outro, cada tópico está rearranjado em posição contínua, formando assim um único livro. Quando necessário, alguns capítulos sofreram pequenas reutilizações e alterações em seu conteúdo a fim de deixar o conteúdo melhor contextualizado.

 

Este livro conta com mecanismo anti pirataria Amazon Kindle Protect DRM. Cada cópia possui um identificador próprio rastreável, a distribuição ilegal deste conteúdo resultará nas medidas legais cabíveis.

 

É permitido o uso de trechos do conteúdo para uso como fonte desde que dados os devidos créditos ao autor.

 

SUMÁRIO

CAPA

AVISOS

PREFÁCIO

Por quê programar? E por quê em Python?

Metodologia

INTRODUÇÃO

Por quê Python?

Um pouco de história

Guido Van Rossum

A filosofia do Python

Empresas que usam Python

O futuro da linguagem

Python será o limite?

AMBIENTE DE PROGRAMAÇÃO

Linguagens de alto, baixo nível e de máquina

Ambientes de desenvolvimento integrado

Principais IDEs

LÓGICA DE PROGRAMAÇÃO

Algoritmos

Sintaxe em Python

Palavras reservadas

Análise léxica

Indentação

ESTRUTURA BÁSICA DE UM PROGRAMA

TIPOS DE DADOS

COMENTÁRIOS

VARIÁVEIS / OBJETOS

Declarando uma variável

Declarando múltiplas variáveis

Declarando múltiplas variáveis (de mesmo tipo)

FUNÇÕES BÁSICAS

Função print( )

Função input( )

Explorando a função print( )

print( ) básico

print( ) básico

print( ) intermediário

print( ) avançado

Interação entre variáveis

Conversão de tipos de dados

OPERADORES

Operadores de Atribuição

Atribuições especiais

Atribuição Aditiva

Atribuição Subtrativa

Atribuição Multiplicativa

Atribuição Divisiva

Módulo

Exponenciação

Divisão Inteira

Operadores aritméticos

Soma

Subtração

Multiplicação

Divisão

Operações com mais de 2 operandos

Operações dentro de operações

Exponenciação

Operadores Lógicos

Tabela verdade

Tabela verdade AND

Tabela Verdade OR (OU)

Tabela Verdade XOR (OU Exclusivo/um ou outro)

Tabela de Operador de Negação (unário)

Bit-a-bit

Operadores de membro

Operadores relacionais

Operadores usando variáveis

Operadores usando condicionais

Operadores de identidade

ESTRUTURAS CONDICIONAIS

Ifs, elifs e elses

And e Or dentro de condicionais

Condicionais dentro de condicionais

Simulando switch/case

ESTRUTURAS DE REPETIÇÃO

While

For

STRINGS

Trabalhando com strings

Formatando uma string

Convertendo uma string para minúsculo

Convertendo uma string para maiúsculo

Buscando dados dentro de uma string

Desmembrando uma string

Alterando a cor de um texto

Alterando a posição de exibição de um texto

Formatando a apresentação de números em uma string

LISTAS

Adicionando dados manualmente

Removendo dados manualmente

Removendo dados via índice

Verificando a posição de um elemento

Verificando se um elemento consta na lista

Formatando dados de uma lista

Listas dentro de listas

Trabalhando com Tuplas

Trabalhando com Pilhas

Adicionando um elemento ao topo de pilha

Removendo um elemento do topo da pilha

Consultando o tamanho da pilha

DICIONÁRIOS

Consultando chaves/valores de um dicionário

Consultando as chaves de um dicionário

Consultando os valores de um dicionário

Mostrando todas chaves e valores de um dicionário

Manipulando dados de um dicionário

Adicionando novos dados a um dicionário

CONJUNTOS NUMÉRICOS

União de conjuntos

Interseção de conjuntos

Verificando se um conjunto pertence ao outro

Diferença entre conjuntos

INTERPOLAÇÃO

Avançando com interpolações

FUNÇÕES

Funções predefinidas

Funções personalizadas

Função simples, sem parâmetros

Função composta, com parâmetros

Função composta, com *args e **kwargs

dir( ) e help( )

BUILTINS

Importando bibliotecas

MÓDULOS E PACOTES

Modularização

Importando de módulos

Importando de pacotes

PROGRAMAÇÃO ORIENTADA A OBJETOS

Classes

Definindo uma classe

Alterando dados/valores de uma instância

Aplicando recursividade

Herança

Polimorfismo

Encapsulamento

TRACEBACKS / EXCEÇÕES

Comandos try, except e finally

AVANÇANDO EM POO

Objetos e Classes

Variáveis vs Objetos

Criando uma classe vazia

Atributos de classe

Manipulando atributos de uma classe

Métodos de classe

Método construtor de uma classe

Escopo / Indentação de uma classe

Classe com parâmetros opcionais

Múltiplos métodos de classe

Interação entre métodos de classe

Estruturas condicionais em métodos de classe

Métodos de classe estáticos e dinâmicos

Getters e Setters

Encapsulamento

Associação de classes

Agregação e composição de classes

Herança Simples

Cadeia de heranças

Herança Múltipla

Sobreposição de membros

Classes abstratas

Polimorfismo

Sobrecarga de operadores

Tratando exceções

AVANÇANDO COM FUNÇÕES

Parâmetros por Justaposição ou Nomeados

*args e **kwargs

Empacotamento e Desempacotamento

Expressões Lambda

RECURSIVIDADE

EXPRESSÕES REGULARES

r’Strings e Metacaracteres

Metacaracteres

Metacaracteres Quantificadores

Métodos de Expressões Regulares

LIST COMPREHENSION

Desmembrando strings via List Comprehension

Manipulando partes de uma string via List Comprehension

DICTIONARY COMPREHENSION

EXPRESSÕES TERNÁRIAS

GERADORES E ITERADORES

Geradores e Memória

ZIP

Zip longest

COUNT

MAP

Map iterando sobre uma lista

Map iterando sobre um dicionário

FILTER

REDUCE

COMBINANDO MAP, FILTER E REDUCE

Extraindo dados via Map + Função Lambda

Extraindo dados via List Comprehension

Extraindo dados via Filter

Combinando Filter e List Comprehension

Combinando Map e Filter

Extraindo dados via Reduce

Reduce + List Comprehension

Reduce (Método Otimizado)

TRY, EXCEPT

Finally

Raise

BIBLIOTECAS, MÓDULOS E PACOTES

Referenciando uma biblioteca/módulo

Criando módulos/pacotes

Testando e validando um módulo

Encapsulamento

ITERTOOLS

combinations( )

permutations( )

product( )

TÓPICOS AVANÇADOS EM POO

Métodos de classe

Métodos estáticos

@property, @getters e @setters

Associação de Classes

Agregação e Composição de Classes

Herança

Cadeia de Heranças

Herança Múltipla

Sobreposição de Membros

super( )

Classes Abstratas

Polimorfismo

Sobrecarga de Operadores

Filas (Queues) e Nodes

Gerenciamento de filas via Deque

PEPS

REPOSITÓROS

PYTHON + NUMPY

Sobre a biblioteca Numpy

Instalação e Importação das Dependências

Trabalhando com Arrays

Criando uma array numpy

Criando uma array gerada com números ordenados

Array gerada com números do tipo float

Array gerada com números do tipo int

Array gerada com números zero

Array gerada com números um

Array gerada com espaços vazios

Criando uma array de números aleatórios, mas com tamanho

predefinido em variável

Criando arrays de dimensões específicas

Array unidimensional

Array bidimensional

Array tridimensional

Convertendo uma array multidimensional para unidimensional

Verificando o tamanho e formato de uma array

Verificando o tamanho em bytes de um item e de toda a array

Verificando o elemento de maior valor de uma array

Consultando um elemento por meio de seu índice

Consultando elementos dentro de um intervalo

Modificando manualmente um dado/valor de um elemento por

meio de seu índice.

Criando uma array com números igualmente distribuídos

Redefinindo o formato de uma array

Usando de operadores lógicos em arrays

Usando de operadores aritméticos em arrays

Criando uma matriz diagonal

Criando padrões duplicados

Somando um valor a cada elemento da array

Realizando soma de arrays

Subtração entre arrays

Multiplicação e divisão entre arrays

Realizando operações lógicas entre arrays

Transposição de arrays

Salvando uma array no disco local

Carregando uma array do disco local

CIÊNCIA DE DADOS E APRENDIZADO DE MÁQUINA

Nota do Autor

O que é Ciência de Dados e Aprendizado de Máquina?

O que são Redes Neurais Artificiais

O que é Aprendizado de Máquina

Como se trabalha com Ciência de Dados? Quais ferramentas

utilizaremos?

Quando e como utilizaremos tais ferramentas?

Qual a Abordagem que Será Utilizada?

PREPARAÇÃO DO AMBIENTE DE TRABALHO

Instalação da Linguagem Python

Instalação da Suite Anaconda

Ambiente de Desenvolvimento

Instalação das Dependências

TEORIA E PRÁTICA EM CIÊNCIA DE DADOS

O que são Redes Neurais Artificiais

Teoria Sobre Redes Neurais Artificiais

O que é Aprendizado de Máquina

Aprendizado de Máquina

Tipos de Aprendizado de Máquina

Aprendizado por Reforço em Detalhes

Características Específicas do Aprendizado por Reforço

Principais Algoritmos para Inteligência Artificial

Perceptrons

Perceptron Multicamada

Deep Learning

Q-Learning e Deep Q-Learning

Modelo de Rede Neural Artificial Intuitiva

Rotinas de uma Rede Neural Artificial

APRENDIZADO DE MÁQUINA

Perceptron de Uma Camada – Modelo Simples

Perceptron de Uma Camada – Tabela AND

Perceptron Multicamada – Tabela XOR

REDES NEURAIS ARTIFICIAIS

Processamento de Linguagem Natural – Minerando Emoções

Classificação Multiclasse – Aprendizado de Máquina Simples –

Iris Dataset

Classificação Multiclasse via Rede Neural Artificial – Iris Dataset

Classificação Binária via Rede Neural Artificial – Breast Cancer

Dataset

Regressão de Dados de Planilhas Excel – Autos Dataset

Regressão com Múltiplas Saídas – VGDB Dataset

Previsão Quantitativa – Publi Dataset

REDES NEURAIS ARTIFICIAIS CONVOLUCIONAIS

Reconhecimento de Caracteres – Digits Dataset

Classificação de Dígitos Manuscritos – MNIST Dataset

Classificação de Imagens de Animais – Bichos Dataset

Classificação a Partir de Imagens – TensorFlow – Fashion Dataset

REDES NEURAIS ARTIFICIAIS RECORRENTES

Previsão de Séries Temporais – Bolsa Dataset

OUTROS MODELOS DE REDES NEURAIS ARTIFICIAIS

Mapas Auto Organizáveis – Kmeans – Vinhos Dataset

Sistemas de Recomendação – Boltzmann Machines

REDES NEURAIS ARTIFICIAIS INTUITIVAS

BOT Para mercado de Ações

Cão Robô que aprende sobre seu corpo e sobre o ambiente via ARS

Agente Autônomo que joga BreakOut (Atari)

PARÂMETROS ADICIONAIS

CAPÍTULO RESUMO

CONSIDERAÇÕES FINAIS

BÔNUS

Revisão e Exemplos

Artigo - Classificador Multiclasse via TensorFlow e Keras