Este curso é destinado para iniciantes no estudo de Redes Neurais Artificiais, portanto não é necessário nenhum conhecimento prévio (nem Matemático e nem de Python), pois o que for necessário será explicado no decorrer do curso. Ele aborda os conceitos básicos de redes neurais artificiais e demonstra aplicações práticas com o Python, através das bibliotecas Scikit Learn e Keras/TensorFlow, testando os diversos parâmetros e aplicando para o treinamento do algoritmo a validação cruzada e a base de treinamento e teste em problemas de classificação e regressão.

Na parte prática, como projeto de classificação, serão utilizados indicadores socioeconômicos do estado de Minas Gerais. Esse projeto serve como referência para tomadas de decisão sobre a desigualdade social e também para estudos de empresas que pretendem realizar campanhas de marketing numa certa região.

Já como exemplo prático de Regressão, será utilizado uma base de dados referente aos resultados de um experimento Físico simples sobre a lei de Hooke. Estes dados foram obtidos num experimento real e, portanto, são originais e autênticos.

O diferencial desse curso é que iremos trabalhar com projetos reais, com banco de dados reais, sendo um deles com mais de 500.000 registros (linhas) e 29 variáveis (colunas). E será apresentado desde o início, isto é, desde a obtenção dos dados, a primeira filtragem no Power Query, o tratamento e manipulação desses dados no Python e as aplicações das redes neurais artificiais também no Python. São estudos originais, autênticos, reais e de nosso país, portanto, poderá fazer parte de seu portfólio e servir de exemplo para outros projetos similares.