When you enroll through our links, we may earn a small commission—at no extra cost to you. This helps keep our platform free and inspires us to add more value.
Manual Prático do Deep Learning - Redes Neurais Profundas
Redes Neurais por debaixo dos panos
This Course Includes
udemy
5 (543 reviews )
13h 43m 
english
Online - Self Paced
professional certificate
Udemy
About Manual Prático do Deep Learning - Redes Neurais Profundas
Já pensou se as Redes Neurais viessem com um Manual Prático de instruções passo-a-passo sobre como construí-las? Pois é, esse manual agora existe! Com ajuda desse Manual, você vai implementar
desde os neurônios mais básicos
(como o Perceptron, o Adaline e o Sigmoid) até uma
Rede Neural completa
com:
_learning rate_
_momentum_
_dropout_
_regularização L1/L2_
_técnicas de inicialização de pesos (normal, uniform, e glorot/xavier)_
_mini-batch Gradiente Descendente_
_freezing_
_learning rate decay_
_early stopping_
_batch normalization_ Além disso, esse Manual também
contém segredos e dicas de especialistas
pra lhe ajudar a treinar suas próprias Redes Neurais bem mais fácil, como:
quais os
melhores valores para cada hiperparâmetro
(learning rate, qtde. de camadas, qtde. neurônios, tamanho do batch, etc)?
o que fazer quando a
rede não converge?
como evitar os
problemas de vanishing/exploding gradients?
como identificar e resolver
underfitting e overfitting?
Esse Manual também acompanha a ferramenta essencial pra implementação de Redes Neurais: a
_Backpropagation._
Poucas pessoas sabem utilizá-la, mas nesse Manual você encontra um método único e memorável de ensino conhecido como "_deriva quem tá dentro e multiplica por quem tá fora!_ ". Tudo isso feito pelo autor desse Manual, que:
é
Google Developer Expert em Machine Learning
desde 2018
trabalha com
Machine Learning e Deep Learning
desde 2016
é
professor de Pós-Graduação
em Machine Learning
é
Doutor em Deep Learning
tem um
nanodegree em Deep Learning
treina Redes Nerais desde 2015
What You Will Learn?
- Projetar redes neurais profundas para resolver problemas de regressão e classificação binária/multiclasse .
- Entender os efeitos dos hiperparâmetros no treinamento (qtde. de camadas, qtde. de nerônios, learning rate, momentum, dropout, etc) .
- Entender por que o treinamento de Redes Neurais não convergem em alguns casos, e como resolver esses problemas .
- Se tornar um Ninja em Backpropagation, aplicando na prática, e sendo capaz de calcular os gradientes de qualquer função derivável .
- Implementar uma Rede Neural completa do Zero (com momentum, dropout, regularização L1/L2, learning rate decay, early stopping, batch normalization e freezing) Show moreShow less.