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

• faz doutorado em Deep Learning

• tem um nanodegree em Deep Learning

• treina Redes Nerais desde 2015