Respostas no Fórum
- Posts
Olá, Felix!
Verifiquei todas as suas perguntas tanto aqui na plataforma quanto na Udemy, e o tempo máximo de resposta foi de 4 dias. O tempo de resposta é em média 3 dias (sem considerar finais de semana ou feriados), portanto, não houve demora nas respostas. O sistema indicou que não tem nenhuma pergunta sua em aberto, todas foram respondidas (avise se tiver alguma em aberto)
Leve em conta que algumas dúvidas que postou são muito específicas e requerem mais tempo para responder. Procuramos responder assim que possível e da melhor maneira, porém, lembre-se que é uma plataforma de cursos on-line e não temos professor particular para nenhum aluno
Jones
Olá, Ricardo!
Por enquanto estão sem o vídeo mesmo, acabei esquecendo de colocar um aviso que serão postadas entre hoje e amanhã (estão em processo final de edição)
Jones
Olá, Diego!
Verifique em Materiais na primeira aula onde estão as implementações (os links para os colabs estão lá)
Jones
Olá, Katia!
Por hora não temos conteúdo sobre o Instagram, porém, está na lista de cursos para este ano ainda 🙂
Jones
Que bom que deu certo! 🙂
Provavelmente está faltando definir as permissões de acesso no token (reveja o vídeo, na parte que são selecionadas/marcadas todas as permissões)
Olá, Claudia!
Pela mensagem de erro, provavelmente está sendo usado o token de usuário e não o token da página. Essa parte é um pouco chata mesmo e quando eu estava gravando as aulas também tive esse problema várias vezes. Sugiro apagar todos os tokens e tentar executar o processo novamente
Jones
Olá, Marco!
Isso, mas podemos arredondar o valor e considerar 0.9999 como 1 e 0.00011 como 0 (não precisamos ter o valor exato)
Jones
Essa construção que fiz estaria correta para a detecção de anomalias com o autoencoder usando tensorflow/keras?
————————————————
# Preparação para autoencoder
tamanho = treino.shape[1]
tamanho# Construção das camadas
input = layers.Input(shape=(tamanho, ))
encoder = layers.Dense(int(tamanho/2), activation=”relu”)(input)
encoder = layers.Dense(int(tamanho/5), activation=”relu”)(encoder)
encoder = layers.Dense(int(tamanho/9), activation=”relu”)(encoder)latent = layers.Dense(int(tamanho/12), activation=”relu”)(encoder)
decoder = layers.Dense(int(tamanho/9), activation=”relu”)(latent)
decoder = layers.Dense(int(tamanho/5), activation=”relu”)(decoder)
decoder = layers.Dense(int(tamanho/2), activation=”relu”)(decoder)output = layers.Dense(int(tamanho), activation=”sigmoid”)(decoder)
# Criação do modelo
autoencoder = Model(input, output)
autoencoder.compile(optimizer=”adam”, loss=”mse”) ################# usar o MSE seria adequado?# Treinamento do modelo
treinamento = autoencoder.fit(treino, treino, epochs=100, batch_size=256, verbose=False, validation_split=0.15)
# Reconstrução da base
reconstrucao = autoencoder.predict(treino)
train_loss = tf.keras.losses.mse(reconstrucao, treino)
plt.hist(train_loss, bins=50)# Determinação do threshold para identificação de anomalias
threshold = np.mean(train_loss) + np.std(train_loss)
threshold# Atribuição da perda MSE
dados[“MSE”] = tf.keras.losses.mse(reconstrucao, treino)
# Classificação do outlier
dados[“Outlier”] = 0
dados.loc[dados[“MSE”] > threshold, “Outlier”] = 1<hr />
Obrigado !
Olá, Sergio!
Coloquei um aviso no início do curso e reposto abaixo
Na aula de boas-vindas eu comento sobre o ANEXO com aulas básicas sobre Python. Aqui na plataforma esse anexo está disponível na forma de um novo curso, portanto, você ganha outro certificado que indica que você fez as aulas básicas de Python.
Acho interessante revisar, talvez só colocar no 2x
Os links para os fontes foram adicionados há alguns minutos na aula Recursos para download, no início do curso
