Aula 5 — Construção de Modelos¶

Na aula 4, você abriu a caixa-preta das redes neurais e viu o que acontece dentro de um MLP. Ótimo. Mas entender a matemática não significa que faz sentido reimplementar tudo na mão para sempre.

Nesta aula, vamos dar o próximo passo: usar um framework de verdade para construir, compilar, treinar e avaliar modelos. Depois, vamos discutir como sair de um modelo que apenas roda para um modelo que treina melhor, converge melhor e generaliza melhor.

Nesta aula veremos:¶

Como montar um MLP com TensorFlow/Keras
O papel de Sequential, camadas, otimizador, loss e métricas
O que model.compile, model.fit e model.evaluate realmente fazem
Como normalizar os dados de treino
Como ajustar learning_rate e batch_size
O papel da BatchNormalization
Como reduzir overfitting com L2 e Dropout

Estrutura da Aula¶

Esta aula está dividida em duas partes:

Referências¶

Machine Learning Specialization - Andrew Ng, DeepLearning.AI em colaboração com Stanford Online:

Deep Learning Specialization — Andrew Ng, DeepLearning.AI

GÉRON, Aurélien. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow. 3. ed. Sebastopol: O'Reilly Media, 2022.

Capítulo 10 — Introduction to Artificial Neural Networks with Keras

Author

Thomas Kassabian