Fundamentos de Redes Neurais Artificiais e Princípios de Treinamento

Este curso escrito fornece uma introdução estruturada aos principais princípios matemáticos, modelos de arquitetura e procedimentos de treinamento que permitem que as redes neurais aprendam com os dados. Você começará com definições essenciais e conceitos fundamentais, construindo uma base teórica forte antes de explorar estratégias de otimização e rotinas de treinamento de rede.Através de leituras estruturadas e trechos de código práticos, você desenvolverá uma compreensão clara de como os sistemas de aprendizado profundo operam sob o capô. O que você vai aprender: - Entenda a terminologia fundamental, as funções de ativação e as arquiteturas básicas de rede - Domine a mecânica de propagação direta, funções de perda e retropropagação - Aplique algoritmos de otimização, incluindo descida de gradiente e taxas de aprendizado adaptativo - Configurar técnicas de regularização, como abandono e decaimento de peso, para evitar o overfitting - Analise problemas comuns de treinamento, como gradientes de desaparecimento, e aprenda métodos para mitigá-los - Explore conceitos fundamentais modernos, incluindo mecanismos de atenção e noções básicas de transformadores O curso começa com a teoria introdutória e avança gradualmente para as principais estratégias de otimização, oferecendo uma estrutura conceitual completa.É adaptado para iniciantes, desenvolvedores e entusiastas de dados sem experiência prévia em aprendizado profundo. Leia as lições para estabelecer uma base sólida na teoria das redes neurais.