10/03/2017 DeepLearningonline:umresumodonovolivrogratuitodoMIT

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