ep22 Técnicas de Aprendizado de Máquina para Deep Learning

Cérebro Eletrônico - episódio 22
Técnicas de Aprendizado de Máquina para Deep Learning.

Além do aumento do poder computacional e do tamanho das base de dados usadas no treinamento, o Deep Learning é impulsionado por diversas técnicas de Aprendizado de Máquina. Neste episódio explicaremos as principais ferramentas: Data augmentation, Max Pooling, Dropout, Vetorização e as funções de ativação da família ReLU.

-----------------
LINKS REFERENCIADOS NO EPISÓDIO
-----------------
Google Colaboratory
colab.google
Tensorflow
https://www.tensorflow.org
Keras
https://keras.io/guides/
SOUSA, MCF. Método para execução de redes neurais convolucionais em FPGA. 2019. Tese, USP.
-----------------
LINKS DOS EPISÓDIOS DO CANAL
-----------------
ep1 Aprendendo Sobre Máquinas que Aprendem Sobre a Gente
   • ep1 Aprendendo sobre máquinas que aprendem...  
ep2 Fundamentos do Aprendizado de Máquina
   • ep2 Fundamentos do Aprendizado de Máquina  
ep3 Como o YouTube usa IA para sugerir o próximo vídeo
   • ep3 Como o YouTube usa IA para sugerir o p...  
ep4 A inspiração biológica das Redes Neurais Artificiais
   • ep4 A inspiração biológica das Redes Neura...  
ep5 Neurônio Artificial (parte 1)
   • ep5 Neurônio Artificial (parte 1)  
ep6 Neurônio Artificial (parte 2)
   • ep6 Neurônio Artificial (parte 2)  
ep7 Reconhecimento de padrões com um neurônio artificial
   • ep7 Reconhecimento de padrões com um neurô...  
ep8 O que significa "aprender", no Aprendizado de Máquina?
   • ep8 O que significa "aprender", no Aprendi...  
ep9 Algoritmos de treinamento e operação da Rede Neural Perceptron
   • ep9 Algoritmos de treinamento e operação d...  
ep10 Perceptron Multicamadas e seus conceitos iniciais
   • ep10 Perceptron Multicamadas e seus concei...  
ep11 Redes Multiclasse e os fundamentos do algoritmo Backpropagation
   • ep11 Redes Multiclasse e os fundamentos do...  
ep12 Hiperparâmetros: taxa de aprendizagem e momentum
   • ep12 Hiperparâmetros: taxa de aprendizagem...  
ep13 Treino, teste e validação
   • ep13 Treino, teste e validação  
ep14 Quantos neurônios devo usar na minha rede?
   • ep14 Quantos neurônios devo usar na minha ...  
ep15 Redes neurais como aproximadores de função
   • ep15 Redes neurais como aproximadores de f...  
ep16 Redes Neurais que usam o passado para prever o futuro
   • ep16 Redes Neurais que usam o passado para...  
ep17 Questões Éticas em IA - algoritmos tendenciosos (Coded Bias)
   • ep17 Questões Éticas em IA - algoritmos te...  
ep18 Matriz de confusão e desbalanceamento de classes
   • ep18 Matriz de confusão e desbalanceamento...  
ep19 Sensibilidade, Especificidade e Curva ROC
   • ep19 Sensibilidade, Especificidade e Curva...  
ep20 ChatGPT e o Modelo de Linguagem GPT-3 da OpenIA
   • ep20 ChatGPT e o Modelo de Linguagem GPT-3  
ep21 Redes Convolucionais
   • ep21 Redes Convolucionais  
ep22 Técnicas de Aprendizado de Máquina para Deep Learning
   • ep22 Técnicas de Aprendizado de Máquina pa...  
ep23 Deep Learning para reconhecimento de imagens de roupas
   • ep23 Deep Learning para reconhecimento de ...  
ep24 GANs: redes neurais que competem entre si
   • ep24 GANs: redes neurais que competem entr...  
-----------------
CRÉDITOS
-----------------
Apresentação e Elaboração:
Miguel Angelo de Abreu de Sousa - professor de Inteligência Artificial
Instituto Federal de Educação, Ciência e Tecnologia de São Paulo

Revisão do Roteiro:
Greice de Nóbrega e Sousa - professora da Escola de Filosofia, Letras e Ciências Humanas
Universidade Federal de São Paulo
-----------------
Músicas:
Fernando Luiz de Figueredo

¡Oh, algoritmo! (tom B♭m e bpm 118)
Noga Erez
Conscious is free, but not the will
So if you want me to want what I believe that I want
Can I choose to quit?

Jorge Drexler
Dime qué debo cantar, oh, algoritmo
Sé que lo sabes mejor, incluso que yo mismo