filmov
tv
Introdução a Redes Neurais e Deep Learning
![preview_player](https://i.ytimg.com/vi/Z2SGE3_2Grg/maxresdefault.jpg)
Показать описание
Essa aula está organizada da seguinte forma:
01:39 A inspiração nos neurônios biológicos do cérebro humano
03:40 Que informações uma rede neural recebe como entrada
04:50 O que a rede neural está tentando aprender
07:05 Entendendo o que são pixels de uma imagem
10:29 Introduzindo uma rede neural simples
12:55 Os pesos que multiplicam as entradas de uma rede neural
14:23 A função de ativação
16:03 As conexões do segundo neurônio
17:43 Como a rede neural informa sua resposta na saída para um problema de classificação
20:30 A importância da calibração da rede
23:54 Por que alguns pesos são negativos
28:18 Quantos pesos e variáveis precisam ser calibrados ao todo
30:25 Como uma rede neural aprende (função de custo e gradiente descendente)
49:13 Como testar se a rede neural está performando bem (acurácia com dados de teste)
50:01 Redes neurais com mais de uma camada (deep learning - aprendizado profundo)
59:19 O que cada camada está aprendendo
01:05:00 Próximos passos para avançar no estudo de redes neurais e deep learning
Neste artigo você pode conferir mais detalhes sobre o assunto:
Basicamente, uma rede neural é uma estrutura que reúne pequenas unidades de computação (os chamados neurônios) de forma organizada, permitindo que a combinação dos cálculos realizados por cada neurônio resulte em soluções para problemas complexos.
Cada neurônio em uma rede neural densa (totalmente conectada) realiza operações matemáticas simples de soma e multiplicação, e nessas operações, muitas variáveis precisam ser calibradas.
Uma rede neural geralmente inicia seu treinamento com pesos e bias aleatórios, e vai aprendendo rapidamente como calibrar essas variáveis até que a resposta de saída seja a desejada para problemas de classificação ou de regressão.
#redesneurais
#deeplearning
Комментарии