A Rede Neural Artificial (RNA) é um poderoso algoritmo de aprendizagem de máquina, capaz de proporcionar um ótimo desempenho em uma ampla gama de tarefas quando comparado com outros algoritmos, o uso de redes profundas revolucionou diversas áreas dentro da computação como o Processamento de Linguagem Natural (PLN) e a Visão Computacional (VC), mas não somente isso como diversos outros campos se beneficiam do uso de Redes Neurais Artificiais profundas.
Este repositório serve como um guia básico de aprendizado e foi criado em conjunto com a realização do curso Manual Prático do Deep Learning de Arnaldo Gualberto.
Para se utilizar Redes Neurais Profundas se faz necessário um bom entendimento teórico de como este poderoso algoritmo funciona, não somente como o número de camadas influencia no aprendizado, mas como outros hiperparâmetros como funções de ativação, otimizadores e momentum, funções de custo, atualizações de peso com backpropagation e técnicas de regularização.
Artificial Neural Networks (ANNs) are powerful machine learning algorithms capable of delivering exceptional performance across a wide range of tasks compared to other algorithms. The use of deep networks has revolutionized various areas within computing, such as Natural Language Processing (NLP) and Computer Vision (CV). However, the benefits of deep ANNs extend to many other fields.
This repository serves as a basic learning guide for ANNs and was created alongside the Manual Prático do Deep Learning taught by Arnaldo Gualberto.
To effectively use Deep Neural Networks, a good theoretical understanding of how this powerful algorithm works is necessary. This includes not only how the number of layers influences learning but also how other hyperparameters, such as activation functions, optimizers and momentum, cost functions, weight updates with backpropagation, and regularization techniques, impact network performance.