O que você aprenderá
- Aprenda passo a passo todos os cálculos matemáticos que envolvem redes neurais artificiais
- Aprenda como codificar passo a passo uma rede neural utilizando o Python e a biblioteca numpy
- Entenda na teoria e na prática conceitos como perceptron, funções de ativação, backpropagation (retropropagação) e gradient descent (descida do gradiente)
- Entenda como as redes neurais podem ser utilizadas em tarefas de classificação de registros
Requisitos
- É recomendado conhecimentos básicos sobre lógica de programação
- Conhecimentos básicos em Python são necessários, bem como estruturas condicionais e de repetição
- Não é necessário conhecimento prévio sobre Inteligência Artificial, redes neurais ou cálculo/matemática
Descrição
As redes neurais artificiais são consideradas as técnicas de Machine Learning (aprendizagem de máquina) mais eficientes da atualidade, sendo que grandes empresas como Google, IBM e Microsoft tem utilizado essas técnicas em vários tipos de aplicações. Você provavelmente já deve ter visto algo sobre os carros autônomos que dirigem sozinhos, ou então sobre aplicações que conseguem gerar novas músicas, poemas, imagens e até mesmo roteiros completos de filmes! E o interessante é que a maior parte dessas aplicações foram construídas utilizando redes neurais! Essas técnicas ficaram um pouco fora de evidência há um tempo atrás, porém, com o surgimento de Deep Learning (aprendizagem profunda) as redes neurais voltaram muito forte para o cenário da Inteligência Artificial e hoje em dia são vistas como a tecnologia mais avançada para a descoberta de padrões em dados!
Um dos maiores problemas que tenho visto em alunos que iniciam o aprendizado sobre redes neurais é a falta de material de fácil compreensão em português. Isso ocorre porque a maioria dos materiais existentes na literatura são bastante técnicos e com muitas fórmulas matemáticas, o que acaba tornando a aprendizagem bastante difícil para quem pretende dar seus primeiros passos neste assunto. Pensando nisso, o objetivo principal deste curso é apresentar os conceitos teóricos/matemáticos de forma simples, de modo que se você não sabe nada sobre redes neurais vai conseguir entender todos os processos. São abordados conceitos sobre perceptron, funções de ativação, redes multicamada, gradient descent (descida do gradiente) e algoritmo backpropagation (retropropagação); que são os princípios básicos para o entendimento completo de uma rede neural. Também faremos as implementações passo a passo de todos esses conceitos em Python, que é uma das linguagens de programação que mais destaca-se na programação de sistemas com Inteligência Artificial. É também importante salientar que as implementações passo a passo serão feitas sem utilizar bibliotecas específicas de machine learning no Python, pois a ideia principal é que você entenda como fazer os cálculos manualmente bem como sua implementação do zero! Além disso, no final tem uma aula de bônus que mostra como programar uma rede neural utilizando a biblioteca scikit-learn!
Em resumo, se você pretende iniciar seus estudos em Deep Learning esse curso trará para você todos os conceitos iniciais necessários! É também importante enfatizar que este curso é para iniciantes em redes neurais, portanto, as explicações são bem lentas e passo a passo para que você consiga aprender os conceitos da melhor maneira possível. E caso você já tenha conhecimento neste assunto, o curso pode ser bastante útil para revisar alguns conceitos importantes!
Para quem é este curso
- Pessoas interessadas em Inteligência Artificial
- Pessoas que queiram iniciar os estudos em Deep Learning (aprendizagem profunda)
- Pessoas que queiram aprender o funcionamento teórico e prático de redes neurais artificiais
Infelizmente a biblioteca Pybrain foi descontinuada e mantemos as aulas por fins didáticos, que acaba sendo fácil fixar melhor a teoria visualizando os exemplos 🙂