WEBVTT

00:00.420 --> 00:05.990
Olá e bem-vindo aos tutoriais de intuição para as redes neurais artificiais parte do curso.

00:06.060 --> 00:08.760
Muito animado para começar essas coisas.

00:09.000 --> 00:11.870
E hoje vamos descobrir como vamos abordar esta seção.

00:11.880 --> 00:14.760
Então, nesta seção, aprenderemos as seguintes coisas.

00:14.760 --> 00:20.550
Em primeiro lugar, vamos falar sobre o neurônio, então haverá um pouco de neurociência e vamos descobrir

00:20.550 --> 00:25.700
um pouco sobre o funcionamento do cérebro humano e por que estamos tentando replicar isso.

00:25.710 --> 00:32.160
E também veremos o aspecto do bloco de construção principal de uma rede neural do neurônio.

00:32.160 --> 00:37.740
em redes neurais e em quais camadas você prefere usar quais funções.

00:37.740 --> 00:43.980
Então, no próximo tutorial, falamos sobre a função de ativação e analisaremos alguns exemplos

00:43.980 --> 00:52.770
de funções de atrito que você poderia usar em suas redes neurais e descobriremos quais delas são as mais importantes

00:52.770 --> 00:53.770
comumente usado

00:53.860 --> 00:56.430
Falou-se sobre como as redes neurais funcionam.

00:56.430 --> 01:03.990
Então, em contraste com o que você esperaria e o que provavelmente foi transmitido em outros cursos e

01:04.260 --> 01:10.800
tutoriais, não vamos entrar na aprendizagem, vamos realmente entrar no funcionamento das redes neurais, porque

01:10.800 --> 01:18.690
dessa forma, ao ver uma rede neural em ação que nos permitirá entender o que estamos apontando para o

01:19.020 --> 01:20.740
que nosso objetivo é.

01:20.740 --> 01:27.120
Então, aqui vamos ver um exemplo de uma rede neural, vamos olhar para um exemplo hipotético muito

01:27.120 --> 01:33.060
simplificado e muito simplificado ou quando sua própria rede trabalhando para prever os preços da habitação

01:33.060 --> 01:34.830
são basicamente preços imobiliários.

01:34.980 --> 01:40.350
E, observando esse exemplo, entenderemos melhor exatamente o que buscamos e o que queremos

01:40.350 --> 01:41.620
alcançar no final.

01:42.060 --> 01:49.560
E então, avançaremos para entender como as redes neurais aprendem, porque assim estaremos mais preparados para

01:49.560 --> 01:51.070
o que vem.

01:51.180 --> 01:53.010
Então falaremos sobre a descida gradiente.

01:53.010 --> 02:00.750
Isso também faz parte das redes neurais aprendendo e entenderemos como esse algoritmo é melhor do que apenas

02:00.750 --> 02:08.670
o método de força bruta que você pode querer ou querer tomar como primeiro recurso ou primeiro método que

02:08.940 --> 02:10.140
vem à mente.

02:10.140 --> 02:14.400
Então, vamos descobrir como são ótimas as vantagens da descida gradiente.

02:14.520 --> 02:17.130
E então falaremos sobre descendência de gradiente estocástica.

02:17.140 --> 02:23.580
É uma continuação do excelente e decente tutorial, mas é um método ainda melhor e ainda

02:23.580 --> 02:26.120
mais forte e descobriremos exatamente como funciona.

02:26.220 --> 02:33.060
tudo em uma série de instruções passo a passo para executar suas redes neurais artificiais.

02:33.060 --> 02:40.400
E, finalmente, vamos embrulhar as coisas mencionando as coisas importantes sobre a propagação de volta e resumindo

02:40.440 --> 02:46.230
Espero que isso pareça muito emocionante para você, porque estou muito animado e não posso esperar

02:46.230 --> 02:46.810
para começar.

02:46.950 --> 02:49.310
Estou ansioso para vê-lo no primeiro tutorial.

02:49.320 --> 02:51.420
E até então aproveite o aprendizado profundo.