Skip to content

Latest commit

 

History

History
90 lines (53 loc) · 2.45 KB

README.md

File metadata and controls

90 lines (53 loc) · 2.45 KB
Raw

Redes Neurais e Métodos de Aprendizado Profundo do Zero em Python.

Esse repositório tem como principal objetivo fornecer uma base de estudos para redes neurais artificiais. Além disso, os algoritmos de aprendizado profundo do zero são implementados em Python e estarão disponíveis para download.

Status: Em desenvolvimento (versão 1.0) ✔️

Planejamento de Conclusão: 2022-09-10 📅

Unidade 1

Hands-On 0: Preparação do Ambiente Virtual.

Objetivo:

  • Preparar o ambiente virtual para o desenvolvimento de redes neurais artificiais.
  • Instalar o ambiente virtual.

Hands-On 1: A História de Redes Neurais e Métodos de Machine Learning.

Objetivo:

  • Descrever a história de redes neurais artificiais e métodos de machine learning.
  • Explicar o que são redes neurais artificiais.
  • Conceitos Iniciais.

Hands-On 2: Explorando Numpy & Matplotlib.

Objetivo:

  • Explorar o módulo numpy.
  • Explorar o módulo matplotlib.

Hands-On 3: Os Primeiros Neurônios e as Primeiras Camadas - Parte 01

Objetivo:

  • Criar um modelo matemático para representar um neurônio.
  • Criar um neurônio com numpy.
  • Criar uma camada de neurônios.

Hands-On 3: Os Primeiros Neurônios e as Primeiras Camadas - Parte 02

Objetivos:

  • Entender o modelo de lotes.
  • Matriz de Inputs.
  • Matriz transposta.
  • Simples camada de neurônios.

Hands-On 4: Funções de Ativação

Objetivo:

  • Descrever as funções de ativação.
  • Implementar as funções de ativação.

Hands-On 5: Criando um Modelo Simplificado de Camadas - Dense Layer

Objetivo:

  • Criar um modelo matemático para representar uma camada de neurônios.
  • Criar uma camada de neurônios com numpy.

Unidade 2

Hands-On 6: Calculando Erro com Loss

Objetivo:

  • Criar um modelo matemático para representar o erro.
  • Criar um modelo matemático para representar o erro com numpy.

Hands-On 7: Introdução à Otimização.

Objetivo:

  • Introduzir otimização.
  • Otimizar o modelo.

Hands-On 8: Retropropagação e Otimizadores.

Objetivo:

  • Descrever o processo de retropropagação.
  • Implementar o processo de retropropagação.

Unidade 3 (Construção)

Apoiadores:

  • Leonardo Saads Pinto