Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
BT
Nossaequipedecolaboradores
Sobrens
Sobrevoc
PurposeIndex
Novidadessobre:
Disseminandoconhecimentoeinovaoemdesenvolvimentodesoftwarecorporativo.
Textoapesquisar
Login
En
Fr
Brasil
Desenvolvimento
Java
Clojure
Scala
.Net
Mobile
Android
iOS
InternetdasCoisas
HTML5
JavaScript
ProgramaoFuncional
WebAPI
Destaquesde:Desenvolvimento
Automaonanuvemeinfraestruturacomocdigo:experinciascomChefeAWS
https://www.infoq.com/br/articles/livromitdeeplearning 1/23
10/03/2017 DeepLearningonline:umresumodonovolivrogratuitodoMIT
Nestapalestravamosapresentamosformasdeimplantarautomaoeinfraestrutura
comocdigousandoAWScomoutilizamosferramentasimportantes,incluindoGitparagestode
configurao,TerraFormparaprovisionarelementosbsicosOpsWorksparagerenciarcookbooksdo
Chef.
VertodosdeDesenvolvimento
Arquitetura
eDesign
Arquitetura
ArquiteturaCorporativa
Performance&
Escalabilidade
Design
Microservices
DesignPattern
Segurana
Destaquesde:ArquiteturaeDesign
Automaonanuvemeinfraestruturacomocdigo:experinciascomChefeAWS
Nestapalestravamosapresentamosformasdeimplantarautomaoeinfraestrutura
comocdigousandoAWScomoutilizamosferramentasimportantes,incluindoGitparagestode
configurao,TerraFormparaprovisionarelementosbsicosOpsWorksparagerenciarcookbooksdo
Chef.
VertodosdeArquiteturaeDesign
DataScience
BigData
MachineLearning
NoSQL
Bancosdedados
Streaming
https://www.infoq.com/br/articles/livromitdeeplearning 2/23
10/03/2017 DeepLearningonline:umresumodonovolivrogratuitodoMIT
Destaquesde:DataScience
MediodaexperinciarealdosusurioscomsensoreseMachineLearning
ExplorandoousodesensoriamentoeoutrastcnicasdeIoTeanlisededados,numa
aplicaorealdeCaronasCompartilhadasecomotcnicasdeIoTeIntelignciaArtificialforam
fundamentaisparamelhoraraaplicaoeaexperinciadosusurios.
VertodosdeDataScience
CulturaeMtodos
Agile
Leadership
Colaboraoemequipes
Testes
Gerenciamentodeprojetos
ExperinciadoUsurio
Scrum
Lean/Kanban
Destaquesde:CulturaeMtodos
EntrevistasobreolivroTheGreatScrumMaster
NolivroTheGreatScrumMaster,aautoraZuzanaochovexploraopapeldoScrum
Mastereapresentasoluesparalidartodososdiascomsituaesdifceis.Eladescreveo
#ScrumMasterWay,umconceitoquedefinetrsnveisdeoperaesdeumScrumMaster.
https://www.infoq.com/br/articles/livromitdeeplearning 3/23
10/03/2017 DeepLearningonline:umresumodonovolivrogratuitodoMIT
VertodosdeCulturaeMtodos
DevOps
Infraestrutura
ContinuousDelivery
Automao
CloudComputing
Destaquesde:DevOps
Automaonanuvemeinfraestruturacomocdigo:experinciascomChefeAWS
Nestapalestravamosapresentamosformasdeimplantarautomaoeinfraestrutura
comocdigousandoAWScomoutilizamosferramentasimportantes,incluindoGitparagestode
configurao,TerraFormparaprovisionarelementosbsicosOpsWorksparagerenciarcookbooksdo
Chef.
VertodosdeDevOps
SoPaulo
Abril2426,2017
Agile
Java
JavaScript
CloudComputing
BigData
Microservices
.NET
QConSP
Todosostpicos
Vocestaqui:IncioArtigosDeepLearningonline:umresumodonovolivrogratuitodoMIT
DeepLearningonline:umresumodonovolivro
gratuitodoMIT
https://www.infoq.com/br/articles/livromitdeeplearning 4/23
10/03/2017 DeepLearningonline:umresumodonovolivrogratuitodoMIT
|PostadoporMarceloCostaem09Mai2016.Tempoestimadodeleitura:16minutos|1Dsuaopinio
Compartilhar
"Marcarcomofavorito"
"Favoritos"
OlivroDeepLearning,concebidoporumaequipedoMITformadaporIanGoodfellow,YoshuaBengioe
AaronCourville,ecriadoparaauxiliarestudantesepraticantesdecomputaoaentrarnocampode
aprendizadodemquinaeemparticularnomundodeDeepLearning.DisponibilizadopeloMIT,olivroest
disponvelparadownloadouleituraonline.
YoshuaBengio,conhecidoporseutrabalhoempesquisassobreredesneuraisartificiais,professore
pesquisadoremCinciadaComputaonaUniversidadedeMontreal.Emespecialsuaspesquisasnos
ltimosanostemfocadoemDeepLearningemconjuntocomoutrospesquisadoresconhecidosnestarea,
como:YannLeCuneGeoffreyHinton,noqualpublicaramumartigoimportantesobreoassuntonarevista
Nature.
AaronCourvilleprofessorassistenteepesquisadornodepartamentodeCinciadaComputaoda
UniversidadedeMontrealetambmmembrodoLaboratriodeInformticaparaSistemasAdaptveis.
DesenvolveualgumasatividadesnaGoogleScholar,unidadedaGooglequefomentapesquisase
recrutamentocomestudantesparaatuarnocampodeDeepLearningentreoutrasreasdepesquisa.
Contedorelacionadodepatrocinadores
Spark,HadoopeMicroservicesnaSoundCloud:extraindoinformaesdemilhesde
eventos,noQConSoPaulo2017
ProcessamentodeLinguagemNaturalcomDeepLearning,noQConSoPaulo2017
Billionsandbillions:usinglargescalegraphdatabasestodetectfinancialfraudinreal
time,noQConSoPaulo2017
ThePanamaPapers,GraphsandDataScienceporJimWebber,ChiefScientistda
Neo4j,noQConSoPaulo2017
HowApacheBeamwillchangeBigData,noQConSoPaulo2017
IanGoodfellowpesquisadorsnior,parteintegrantedaequipeGoogleBrainequeatualmentetrabalhapara
aOpenAI,eleestudanovosmtodosparamelhorarredesneurais.Goodfellowpossuivriosartigos
publicadosnareaefoiumdoseditoresresponsveispelapublicaodolivro.
https://www.infoq.com/br/articles/livromitdeeplearning 5/23
10/03/2017 DeepLearningonline:umresumodonovolivrogratuitodoMIT
Umanovatecnologia
Quandoumanovatecnologiasurgeeconsegueresponder,oucapazdeauxiliararesponder,muitosdos
questionamentosexistentesparaproblemasmatemticosnotrivialmenteresolvidospormeiodemtodos
tradicionaisderesoluodeproblemascomputacionais,umagrandeeuforiatomacontadacomunidadede
tecnologia.Sejapelarelevnciaqueestanovatecnologiapoderetornar,emtermosdeganhosfinanceiros
paramuitasempresas,ouporrazodaresoluodeproblemasantesinimaginveisdeseremsolucionados
comosmtodostradicionais.
Almdestesfatos,emrelaoaresoluodeproblemaseganhosfinanceiros,umabatalhainiciadavistoa
concordnciaediscordnciaentreespecialistasqueatuamnestarea.Adisponibilizaodolivrogerou
centenasdecomentrios,tantonoHackerNewscomonoReddit,sobreograueaqualidadedainformao
transmitidaemrelaoaoseucontedo.
Oaprendizadodemquinaumadassubreasqueatualmentemaiscrescemdentrodaintelignciaartificial.
Estasubreadedicasearesolverproblemasmatemticoscomplexoscomo:oreconhecimentodevoze
reconhecimentofacial,conformedescritonaintroduodolivro:
Quandoosprimeiroscomputadoresforamconcebidos,aspessoasperguntavamsese,emalgum
diapoderiamtornarseinteligentes.Istoocorreuamaisdecemanos,antesqueoprimeiro
cdigocomputacionalfosseconstrudo(Lovelace,1842).Hoje,aintelignciaartificial(AI)
umcampoemexpanso,commuitasaplicaesprticasetemasdepesquisasativos.Como
objetivodeautomatizartarefasrotineiras,soutilizadossoftwaresinteligentesparafazer
reconhecimentodevoz,facialouimagens,fazerdiagnsticosmdicoseservirdebasepara
investigaescientficas.
Nosprimeirosdiasdaintelignciaartificial,estecampodepesquisarapidamenteajudoua
resolverproblemasquedeumaformacomum,sointelectualmentedifceisparaosseres
humanos,masrelativamentesimplesparaoscomputadoresproblemasquepodemserdescritos
porumalistaderegrasformaisoumatemticas.
Overdadeirodesafioparaaintelignciaartificialprovarsercapazderesolvertarefasqueso
fceisdeexecutarporumapessoa,masdifceisparaqueestaspessoaspossamdescrever
formalmentecomoresolvemestesproblemasestesproblemasreferemseaoscasosemque
sereshumanosresolvemdeformaintuitivaeautomtica,comoporexemplooentendimento
dafalaouacapacidadedeumapessoasimplesmentereconheceroutraolhandoparaseurosto.
DeepLearningasubreadeaprendizadodemquinaqueestudacomosolucionarproblemasintuitivos.
Estetipodesoluopermitequecomputadoresaprendamapartirdeexperinciasanterioresecompreendam
omundoemtermosdeumahierarquiadeconceitos,noqualosconceitosmaiscomplexossodefinidose
compreendidosemtermosdesuarelaocomconceitosmaissimplesejconhecidos.
Aoganharconhecimentopormeiodeexperincias,estaabordagemevitaanecessidadedeoperadores
humanosparaespecificarformalmentetodooconhecimentonecessrioaocomputadornoha
necessidadedeprogramadorescriaremestruturasdedadoscomplexaspararesolverproblemaspreviamente
conhecidos,mesmoqueestesproblemastenhamumgraudedificuldadealto.Ahierarquiadeconceitos
permitequeocomputadoraprendaconceitosmaiscomplexosapartirdeconceitosmaissimples.
Comoolivrocomposto
Olivrodivididoemtrspartesconformedescritonondice:
1.Obsicodematemticaaplicadaeaprendizadodemquina
2.DeepNetworks:PrticasModernas
3.PesquisaemDeepLearning
https://www.infoq.com/br/articles/livromitdeeplearning 6/23
10/03/2017 DeepLearningonline:umresumodonovolivrogratuitodoMIT
Subdivideseemassuntosqueabordamtemaspertinentesacadaumadestasreasdeconhecimento,
conformeaexperinciadosautoresemsuaspesquisaseprojetos.Olivroabordatemascomoporexemplo:
Algebralinear
lgebralinearumramodamatemticaamplamenteutilizadoemcinciaeengenharia.No
entanto,devidoaofatodealgebralinearestarpresentedeformacontnuanavidadeum
pesquisadoremCinciadaComputao,muitomaisqueamatemticadiscreta,inclumoseste
assuntopoismuitoscientistasdacomputaotmpoucaexperinciacomela.
Umbomentendimentodelgebralinearessencialparacompreenderetrabalharcommuitos
dosalgoritmosdeaprendizadodemquina,especialmentealgoritmosdeDeepLearning.Por
estemotivo,decidimosiniciaraintroduoaoDeepLearningcomumaapresentaofocadanos
principaisprrequisitosdelgebralinear.
Teoriadaprobabilidade
Ateoriadaprobabilidadeumaferramentafundamentalparamuitasdisciplinasdecinciae
engenharia.Criamosestecaptuloparacertificarqueosleitores,quepossuemconhecimento
baseapenasemengenhariadesoftware,possamsefamiliarcomateoriadaprobabilidadee
seremcapazesdecompreenderomaterialdestelivro.
Computaonumrica
Algoritmosparaaprendizadodemquinanormalmenteexigemumagrandequantidadede
processamentonumrico.Estealtoconsumodeprocessamento,normalmentereferesea
algoritmosqueresolvemproblemasmatemticospormtodosqueatualizamasestimativasde
umasoluopormeiodeumprocessoiterativo,aoinvsdeutilizarumaabordagemanaltica
derivadadeumafrmulaqueforneceumaexpressosimblicaparaasoluocorreta.
Obsicodeaprendizadodemquina
Redesqueaprendemapartirdeexperinciasanterioressodeextremaimportnciapara
praticantesdeaprendizadodemquina.Elasformamabasedemuitasaplicaescomerciais
importantes.Porexemplo,asredesconvolucionaisutilizadasparareconhecimentodeobjetosem
fotografiassoumtipoespecializadoderedesqueaprendemapartirdeexperinciasanteriores.
Estasredessoumdegrauconceitualnocaminhopararedesrecorrentes,oqualdafora
necessriaparamuitosaplicativosdelinguagemnatural.
RegularizaoparaDeepLearning
Umproblemacomumemaprendizadodemquinadizrespeitoacomoimplementarum
algoritmoquenoapenassecomportebemcomdadospreviamentetreinados,mastambmcom
novostiposdedados.
Muitasestratgiasutilizadasemaprendizadodemquinasoexplicitamenteprojetadaspara
reduziraquantidadedeerrosduranteostestes,possivelmenteemdetrimentodoaumentoda
quantidadedeerrosduranteumtreinamento.Estasestratgiassoconhecidascoletivamente
comoregularizao.Existeumgrandenmerodeformasdeaplicarregularizaodisponveis
paraestudiososemDeepLearning.Naverdade,criarformasmaisefetivasdeestratgiasde
regularizaoumdosmaioresesforosdepesquisanestecampo.
Tcnicasdeotimizaoparatreinarmodelos
AlgoritmosparaDeepLearningenvolvemotimizaoemvrioscontextos.Porexemplo,
realizarinfernciaemmodeloscomoPCA,envolveresolverproblemasdeotimizao.comum
https://www.infoq.com/br/articles/livromitdeeplearning 7/23
10/03/2017 DeepLearningonline:umresumodonovolivrogratuitodoMIT
fazerotimizaoanalticaparaescreverprovasdeconceitoouprojetarnovosalgoritmos.De
todososinmerosproblemascomotimizaoexistentesemDeepLearning,ocommaiorgrau
dedificuldadereferenteaotreinamentoderedesneurais.
muitocomuminvestirdiasoumesmomesesemcentenasdeservidorespararesolveruma
instnciasimplesdetreinamentodeumaredeneural.Devidoaimportnciaeocusto(hardware,
memriaetempo)destetipodeproblema,umconjuntodetcnicasdeotimizaoespecializada
foidesenvolvidopararesolverestetipodeproblema.
Redesconvolucionais
Redesconvolucionais(LeCun,1989),tambmconhecidascomoredesneuraisouCNN,soum
tipoespecializadoderedeneuralparaprocessamentodedadosjconhecidos,normalmente
construdasemumatopologiamatricial.Exemplosdestetipoderedeincluemassriededados
temporais,oqualpodemserpensadoscomoumamatrizdeumanicadimensoquecoleta
amostrasemintervalosdetemporegulares,oudadosdeimagens,quepodemserpensadoscomo
umamatrizdeduasdimensesoupixels.
Redesconvolucionaissobemsucedidasnarespostaparaaplicaesprticasquefazem
reconhecimentodeobjetospormeiodeimagens,comoporexemplopessoasnuasemimagens
fotogrficasparacombaterpornografia.Onome"redeneuralconvolucional"indicaquearede
aplicaumaoperaomatemticadenominadaconvoluo.Convoluoumtipoespecializado
deoperaolinear.Redesconvolucionaissoredesneuraissimplesqueutilizamconvoluono
lugardemultiplicaogeraldematrizesempelomenosumadascamadas.
ExemplodeRedeNeuralConvolucional(fonte:DeepLearningConcepts,Nvidia)
ModelagemSequencial:Redesrecorrenteserecursivas(RNN)
RedesneuraisrecorrentesouRNN(MarteneSutskever,2011),dizemrespeitoaumafamliade
redesneuraisparaprocessamentodedadossequenciais.Muitodeumaredeconvolucional
contmumaredeneuralespecializadanoprocessamentodeumamatrizdevaloresXcomopor
exemploumaimagem,umaredeneuralrecorrenteumaredeneuralespecializadano
processamentodeumasequenciadevaloresx(1),...,x().
Assimcomoredesconvolucionaispodemfacilmenteescalarimagenscomgrandelargurae
altura,ealgumasredesconvolucionaispodemprocessarimagensdetamanhovarivel,redes
recorrentespodemserdimensionadasparasequnciasmuitomaislongasdoqueseriaprtico
pararedessemumaespecializaobaseadaemsequncia.Amaioriadasredesrecorrentes
tambmpodemprocessarsequnciasdecomprimentovarivel.
Modelosprticos
https://www.infoq.com/br/articles/livromitdeeplearning 8/23
10/03/2017 DeepLearningonline:umresumodonovolivrogratuitodoMIT
AplicartcnicasdeDeepLearningcomsucessoexigemaisquesimplesmenteumbom
conhecimentosobrequaistiposdealgoritmosexistemeentenderosprincpiosdecomocadaum
delesfunciona.Umbomestudiosoemaprendizadodemquinatambmprecisasabercomo
escolheroalgoritmoadequadoparaumaaplicaoemparticularecomomonitorareresponder
srespostasdosexperimentosquerealiza,eassimmelhorarosistemadeaprendizadode
mquina.
Duranteoperododedesenvolvimentodesistemasdeaprendizadodemquina,umestudiosodo
assuntoprecisadecidirquandorecolhermaisdados,quandoaumentaroudiminuiracapacidade
domodeloproposto,quandoadicionarouremoverfuncionalidadesderegularizao,quando
melhoraraotimizaodeummodelo,quandomelhorarainfernciadeaproximaodeum
modelo,oumesmoanalisaraimplementaoemsoftwaredomodeloproposto.
Todasestasoperaesso,pelomenos,demoradasparatestar,porisso,importantesercapaz
dedeterminaromomentocertoparatomarumaaodireitaaoinvsdeficarcegamente
supondo.Muitodomaterialcontidonestelivrodescrevediferentesmodelosdeaprendizadode
mquina,algoritmosdetreinamentoequaisosobjetivosdealgumasfunes.
AplicaesparaDeepLearning
Nestecaptulo,descrevemoscomoutilizarDeepLearningpararesolverproblemasemviso
computacional,reconhecimentodevoz,processamentodelinguagemnaturaleoutrasaplicaes
deinteressecomercial.Iniciamosdiscutindoimplementaesemlargaescaladeredesneurais
necessriasparamuitasaplicaesdeintelignciaartificialreconhecidamentesrias.Depoisso
revisadasreasespecficasondeDeepLearningaplicadapararesolverproblemas.Umavez
queumdosobjetivosdeDeepLearningodeprojetaralgoritmoscapazesderesolveruma
grandevariedadedetarefas,necessrioumbomgraudeconhecimentoeespecializao.
ApartetrsdolivrodescreveasabordagensmaisambiciosaseavanadasemDeepLearning
atualmenteempregadaseinvestigadasporpesquisadoresemgeral.
Aprendizadoderepresentao
DeepLearningbaseiaseemmuitosmodelosformaisoqualpesquisadoresutilizamparaorientar
seusesforosdeprojetoedescreverseusalgoritmos.Umdestesformalismosaideiade
modelosprobabilsticosestruturados.Modelosprobabilsticosestruturadossooingrediente
chaveparamuitosdostpicosmaisimportantesdepesquisaemDeepLearning.Estecaptulo
visadescreverosmodelosprobabilsticosestruturadosemdetalhes.
MtodosdeMonteCarlo
Muitosproblemasemaprendizadodemquinasotodifceisquenopossvelobter
respostasprecisasparaeles.Estesproblemassotodifceisqueexcluemalgoritmos
determinsticoseosalgoritmosdeLasVegas.Nestecaso,deveseusaralgoritmos
determinsticosdeaproximaoouaproximaesdeMonteCarlo.Ambasasabordagensso
onipresentesemaprendizagemdemquina.
InfernciaAproximada
Muitosmodelosprobabilsticossodifceisdetreinardevidoadificuldadederealizarinferncia.
NocontextodeDeepLearning,normalmentesetemumconjuntodevariveisvisveisveum
conjuntodevariveislatentesh.Odesafiodainferncianormalmenterefereseadificuldadeem
processarumproblemadaordemp(h|v)outerexpectativasemrespeitoaestetipode
problema.Estasoperaessomuitasvezesnecessriasparatarefascomoporexemploa
aprendizagemdeumaprobabilidademxima.
https://www.infoq.com/br/articles/livromitdeeplearning 9/23
10/03/2017 DeepLearningonline:umresumodonovolivrogratuitodoMIT
Comoacomunidaderecebeuolivro
EmumdosprincipaiscomentriossobreolivronarededenotciasHackerNews,JeremyKun,estudante
Ph.D.emmatemticaestatsticaepesquisadornaUniversidadedeIlinoisemChicago,oqualmantmum
blogativosobreesteassunto,descrevesuapercepocomopesquisadormatemticoparaocontedo
disponibilizado:
Oprincipalproblemaqueidentifiqueinolivroqueeleinformatudosobrediferentestiposde
ajustesfinospossveis,maspassapoucoconhecimentoconcretoparaoleitorsobreotema.Ele
nofazdistinoentrepressupostosdemodelagemcomputacional,esubstituiexplicaesmuito
simplesdeconceitoscompargrafoscomplicadosquenofazemmuitosentido.
Narplicarecebida,vriosoutrosusuriosdarededenotciasrebatemosargumentosutilizadosporJeremy
Kun,argumentandonamaioriadasvezesqueotrabalhodesenvolvido,apesardenoabordarem
profundidadeoassunto,significanteportentarpassaroconhecimentoeaexperinciadospesquisadores
envolvidosnotema.
Alinguagemdolivrovoltadaparainiciantesoumesmousurios,nonecessrioserumespecialistaem
matemticaparacompreenderosassuntosabordadosnolivro,pormosautoresconseguemabordarassuntos
maiscomplexosequetalveznecessitemdeumacompreensoeconhecimentomaior.
JnoReddit,IanGoodfellow,umdosautores,respondeuamuitosquestionamentosfeitosporusuriosdesta
rede,explicandoinclusivesuamotivaoparaescreverolivro.
QuandocomeceiatrabalharcomDeepLearning,nohaviaumanicafontedeinformao
capazdeexplicartodososdiferentesalgoritmoscomumamesmaterminologia.Lembromede
passarmuitotempotentandodescobriroqueeramasmquinasdeBoltzmann,edepois
eventualmenteperceberqueelasnadamaiseramqueredesdeMarkovqueeujhaviaestudado
nasaulasdeDaphneKoller.
DepoisdetergastomuitotempoeesforolendotudosobreDeepLearning,eusentiquepoderia
ajudaraprximageraodeestudantesescrevendocontedoarespeitodoqueeuhavia
aprendido.Estatarefaterminouporserumprojetomuitomaisdifcildoqueeujamaisesperava
quefossenoincio,masmeuscolegasdaGoogle,especialmenteGeoffreyHintoneMichaela
Rosca,meincentivaramacontinuartrabalhando.Cadaumdemeuscoautorestemasuaprpria
histrianestarea,masestouconfiantedequenenhumdensfezissocomoumaformade
rendaextra.
Concluso
Olivrocobreamaiorpartedasteoriasbsicasetcnicasprticas,masaimplementaoneutra.Parafazer
testes,possvelseguirtutoriaisparaaplicaesconhecidascomoTheanoeTensorFlowporexemplo.Os
autoresprocuraramescreverumlivroparaserrazoavelmenteacessvelparainiciantes,eestoacrescentando
exercciosnositeafimdetornarocontedomaistil.
AatualondasobreDeepLearningesbarrounasfronteirasdalingusticacomputacionaldurantevriosanos,
masdesde2013comoaforadeumtsunamivematingindograndesconfernciasarespeitode
ProcessamentodeLinguagemNatural(PLN).
https://www.infoq.com/br/articles/livromitdeeplearning 10/23
10/03/2017 DeepLearningonline:umresumodonovolivrogratuitodoMIT
GoogleTrendsparaMachineLearningeDeepLearning
Grandesepequenasempresasestodesenvolvendoprodutoseentrandonestareaparaganhardinheiro.
umtpicoquenteequerequerdedicaoeestudoparacolocaremprtica.Comoarquitetodesoluoou
arquitetoempresarial,devemossempreestarantenadoscomoquehdemaisatualemtermosdetecnologia,
comoobjetivodetrazerparanossoslocaisdetrabalhoaindicaodesoluesquepossamresolver
problemassignificativosdeformaassertivaevivel.
Umbomexemploquepodesercitadonomundoaerospacial,aanlisededadosdevoodeumaaeronave
baseadonascentenasdemilharesdelinhasdelogreportadasduranteosensaiosdetestesemumprimeiro
voo,auxiliandoaequipedeengenheirosepilotosagarantiraseguranadosfuturosvoos,quepodeser
otimizadacomoauxliodeDeepLearningapontandoinformaesimportantessemqueumserhumanose
debruceporhorasanalisandooucriandoplanilhasparaauxiliarsuaanlise.Outroexemploquepodemos
citarnestamesmarea,autilizaodofiltrodeKalmanpararastrearmsseisemvooepreverseudestino
finalfuturoecomisto,orientarmsseisparainterceptlos.
OcampodeDeepLearningabordaumasriedetemascomplexosdeaprendizagemdemquina,estatstica,
otimizao,geometriaeassimpordiante.Portanto,sendoumnovocampodeestudoepesquisa,importante
olharparaalmdasuperfcie,eescolheralgunsdosconceitosmaisdifceisdedominarseodesejofor
realmenteseaprofundarnestarea.
Seseuobjetivonodeseaprofundarnestarea,masdeapenasriscarasuperfcieeentenderoquetrata
esteassunto,estelivroumaboarefernciaparabalizarseuconhecimentoeentopodercontratarum
profissionaladequadoquelheajudeaimplementar.Profissionaisdestarea,emgeral,sopesquisadores
commestradooudoutoradoequepassarammuitosanosdesuasvidasestudandoeseaprofundandono
assunto.Diantedisso,socapazesdelheauxiliaraescolherosmelhoresalgortimosefazerinfernciaem
testesparaentregaromelhorresultado.
Sobreoautor
MarceloCosta(LinkedIn,Twitter)psgraduadoemEngenhariadeSoftwarepela
UNICAMP.Atuaemsistemasdealtacomplexidadedesde2002,coordenandoequipes
multidisciplinaresnodesenvolvimentodesoluesdesoftwarenasreasdeeducao,
sade,finanaselogsticarodoviriaeaeroespacial.Especializasenacoletainteligentede
informaesnainternetedecontedoeletronicamentedisponvelatualmenteArquitetode
SoluesnaEMBRAER.PossuiexperinciacomJava,PHP,HTML5,Lean,Kanban,
Scrum,SOA,ALM,Oracle,PostgreSQLeShellScript.
reas
DataScience
Tpicos
DeepLearning
MachineLearning
https://www.infoq.com/br/articles/livromitdeeplearning 11/23
10/03/2017 DeepLearningonline:umresumodonovolivrogratuitodoMIT
Contedoeditorialrelacionado
PalestrantesdaSoundCloud,Globo.com,Elo7eLuizaLabsnoQConSoPaulo2017
Spotify,Pipefy,GeofusioneProgramaoFuncionalnoQConSoPaulo2017
AndroidThings:suporteaoaprendizadodemquinasevisocomputacional
Umaintroduovisualaoaprendizadodemquina
MediodaexperinciarealdosusurioscomsensoreseMachineLearning
Olvisitante
VocprecisacadastrarsenoInfoQBrasilouLoginparaenviarcomentrios.Hmuitasvantagensemse
cadastrar.
ObtenhaomximodaexperinciadoInfoQBrasil.
Dsuaopinio
Mensagem
Forneaumassunto
HTMLpermitido:a,b,br,blockquote,i,li,pre,u,ul,p
Recebermensagensdessadiscusso
Enviarmensagem
ComentriosdacomunidadeWatchThread
hackingbyglobalhackersPosted23Jan201711:45
hacking23Jan201711:45by"globalhackers"
Vocprecisadeserviosdehackers?Emseguida,entreemcontatocomprudenthcakers@gmail.compara
obtermelhoresserviosdehackers.
Nossosserviosincluem:
*Escoladegrauhack,
*Hackemcontasdeemail,
*Todasascontasdemdiasocial,
*Bancodedadosdaescolaparalimparoumudarasnotas,
*Recuperaodedocumentosperdidos
DUIs
*Registrosesistemasdaempresa,
*contasbancrias,
*Limparmausconduoeregistroscriminais,
*Verificaesdeantecedentes,locaisdemonitoramento,
+Cartesdecrditohacking,
+Pontuaodecrditohack,
+Monitorarotelefonedeseusparceiros,
CONTATO:prudenthcakers@gmail.com
Pararesultadosconfiveisegarantidos
Responder
Voltaraotopo
https://www.infoq.com/br/articles/livromitdeeplearning 12/23
10/03/2017 DeepLearningonline:umresumodonovolivrogratuitodoMIT
Fechar
by
em
Visualizar
Responder
Voltaraotopo
Fechar
Citarmensagemoriginal
Assunto Suaresposta
HTMLpermitido:a,b,br,blockquote,i,li,pre,u,ul,p
Recebermensagensdessadiscusso
Enviarmensagem Cancelar
Fechar
Assunto Suaresposta
HTMLpermitido:a,b,br,blockquote,i,li,pre,u,ul,p
Recebermensagensdessadiscusso
Cancelar
Fechar
OK
Linkspatrocinados
https://www.infoq.com/br/articles/livromitdeeplearning 13/23
10/03/2017 DeepLearningonline:umresumodonovolivrogratuitodoMIT
CONTEDORELACIONADO
AndroidThings:suporteaoaprendizadodemquinasevisocomputacional22Fev2017
Umaintroduovisualaoaprendizadodemquina10Fev2017
MediodaexperinciarealdosusurioscomsensoreseMachineLearning07Fev2017
GoogleCloudVision,comosuasaplicaespodemvereentenderomundo03Jan2017
Aautpsiadas18horasforadoardoGitLab10Mar2017
Automaonanuvemeinfraestruturacomocdigo:experinciascomChefeAWS09Mar2017
APIfirstcomoestratgiaparacriaodeAPIs07Mar2017
NetflixapresentaoHollow,umabibliotecaJavaparaprocessamentodedatasetsemmemria06Mar
https://www.infoq.com/br/articles/livromitdeeplearning 14/23
10/03/2017 DeepLearningonline:umresumodonovolivrogratuitodoMIT
NetflixapresentaoHollow,umabibliotecaJavaparaprocessamentodedatasetsemmemria06Mar
2017
Java8:IniciandoodesenvolvimentocomaStreamsAPI03Mar2017
GoemproduoparaAPIsemicroservices02Mar2017
ObjetosPythnicos:produtividadeatravsdaconsistncia01Mar2017
https://www.infoq.com/br/articles/livromitdeeplearning 15/23
10/03/2017 DeepLearningonline:umresumodonovolivrogratuitodoMIT
CONTEDOPATROCINADO
Agricultura4.0:Dispositivosdemedio,desafiose
aprendizadosnaimplantaodeIoTnocampo,noQConSoPaulo2017
Agricultura4.0:Dispositivosdemedio,desafioseaprendizadosnaimplantaodeIoTnocampo,
noQConSoPaulo2017
IoT,LPWANeEspectrosdefrequncia:Prototipao,
RegulamentaoeHomologao,noQConSoPaulo2017
IoT,LPWANeEspectrosdefrequncia:Prototipao,RegulamentaoeHomologao,noQConSo
Paulo2017
https://www.infoq.com/br/articles/livromitdeeplearning 16/23
10/03/2017 DeepLearningonline:umresumodonovolivrogratuitodoMIT
CONTEDORELACIONADO
https://www.infoq.com/br/articles/livromitdeeplearning 17/23
10/03/2017 DeepLearningonline:umresumodonovolivrogratuitodoMIT
Flux:ofimdodatabindingbidirecional23Fev2017
EntrevistasobreolivroTheGreatScrumMaster23Fev2017
Consumoegestoderecursosemcloud:tcnicasreaisportrsdasabstraes21Fev2017
ProjetoMicroProfiletornaseEclipseMicroProfile21Fev2017
Java9:formataodedataehoramaisparecidoscomopadrodelocalidadesdoUnicode20Fev
2017
AevoluodasEnumsnoJava17Fev2017
AWSStepFunctions:coordenandoaplicaesdistribudasemicroserviosutilizandoworkflows
visuais16Fev2017
Gerenciandoseuproduto101:clientes,mtricaserecursos16Fev2017
Arquiteturaseprticasdeseguranaemescala:liesaolidarcombilhesempagamentos14Fev
2017
TestedeCargaFlexveiseEscalveisparaEstratgiasgeis09Fev2017
Comomelhorarsuashabilidadesparasetornarumdesenvolvedormelhor07Fev2017
https://www.infoq.com/br/articles/livromitdeeplearning 18/23
10/03/2017 DeepLearningonline:umresumodonovolivrogratuitodoMIT
https://www.infoq.com/br/articles/livromitdeeplearning 19/23
10/03/2017 DeepLearningonline:umresumodonovolivrogratuitodoMIT
CONTEDORELACIONADO
Reactive,DataScience,CoreCommitersdoNode.jseVert.xeumdoscriadoresdoHaskellnoQCon
SP07Fev2017
Evoluindosistemasdistribudos:seisanosdeNoSQLdastrincheiras02Fev2017
.NETCoreeUniversalWindowsApps:oquemudacomanovaplataformaopensource31Jan2017
Sriedeartigos:Entendendodatascience30Jan2017
https://www.infoq.com/br/articles/livromitdeeplearning 20/23
10/03/2017 DeepLearningonline:umresumodonovolivrogratuitodoMIT
Sriedeartigos:Entendendodatascience30Jan2017
Resolvendoproblemasdenegciocomdatascience30Jan2017
BibliotecaJavaScriptInfernocheganaverso1.030Jan2017
WebAssembly:versoPreviewaguardafeedbackdacomunidade27Jan2017
ComoaSalesforceusaOpensourceparaInternetdasCoisas.26Jan2017
MicrosofttornaOpenSourceoVisualStudioTest26Jan2017
GoogleResolveProblemasdeConcorrnciadoCPythoncomGrumpy24Jan2017
BoundedContexteCQRSnaevoluodeaplicaes.NETlegadas24Jan2017
NewsletterdoInfoQBrasil
Assinenossanewslettersemanalparaacompanharonovocontedopublicadonositeeoutrosdestaques
Seuemailaqui Assinar
Desenvolvimento
Aautpsiadas18horasforadoardoGitLab
Automaonanuvemeinfraestruturacomocdigo:experinciascomChefeAWS
APIfirstcomoestratgiaparacriaodeAPIs
ArquiteturaeDesign
Automaonanuvemeinfraestruturacomocdigo:experinciascomChefeAWS
NetflixapresentaoHollow,umabibliotecaJavaparaprocessamentodedatasetsemmemria
GoemproduoparaAPIsemicroservices
CulturaeMtodos
EntrevistasobreolivroTheGreatScrumMaster
Gerenciandoseuproduto101:clientes,mtricaserecursos
https://www.infoq.com/br/articles/livromitdeeplearning 21/23
10/03/2017 DeepLearningonline:umresumodonovolivrogratuitodoMIT
Comomelhorarsuashabilidadesparasetornarumdesenvolvedormelhor
DataScience
Umaintroduovisualaoaprendizadodemquina
MediodaexperinciarealdosusurioscomsensoreseMachineLearning
Reactive,DataScience,CoreCommitersdoNode.jseVert.xeumdoscriadoresdoHaskellnoQConSP
DevOps
Aautpsiadas18horasforadoardoGitLab
Automaonanuvemeinfraestruturacomocdigo:experinciascomChefeAWS
NetflixapresentaoHollow,umabibliotecaJavaparaprocessamentodedatasetsemmemria
Incio
Todosostpicos
ConfernciasQCon
Criarconta
Login
QConsMundiais
London
Mar610,2017
Beijing
Apr1618,2017
SoPaulo
Apr2426,2017
NewYork
Jun2630,2017
Shanghai
Oct1921,2017
TokyoFall,2017
SanFrancisco
Nov1317,2017
NewsletterdoInfoQBrasil
Assinenossanewslettersemanalparaacompanharonovocontedopublicadonositeeoutrosdestaques
Seuemailaqui Assinar
SeuRSSpersonalizado
Paraatualizaesdiriaseoutrasnovidades
Paraatualizaesfrequentesenotciasdacomunidade
Configureseusprincipaisinteresses
https://www.infoq.com/br/articles/livromitdeeplearning 22/23
10/03/2017 DeepLearningonline:umresumodonovolivrogratuitodoMIT
Desenvolvimento
ArquiteturaeDesign
DataScience
CulturaeMtodos
DevOps
EstasopestmefeitosobreocontedovistonapginainicialdoInfoQBrasilenoseufeedRSS.Clique
emPrefernciasparateracessoaoutrasopesdepersonalizao.
InfoQBrasiletodooseu
Feedback
Bugs Publicidade Editorial contedo:todososdireitos
geral Marketing
bugs publicidade editor reservados.20062016
feedback marketing@infoq.com
br@infoq.com br@infoq.com br@infoq.com C4MediaInc.
br@infoq.com
Polticadeprivacidade
BT
Percebemosqueestsendoutilizadoumadblocker
Entendemososmotivosdeusarbloqueadores,masprecisamosdesuaajudaparamanteroInfoQBrasil
gratuito!NoInfoQnocompartilhamosseusdadoscomterceirossemsuaautorizao,esempreprocuramos
trabalharcomannciosdeempresaseprodutosrelevantesparaosleitores.Porfavor,considereadicionaro
InfoQcomoexceonoseuadblockereajudenosacontinuarservindoomelhorcontedosobre
desenvolvimentodesoftware.
https://www.infoq.com/br/articles/livromitdeeplearning 23/23