Manual Prático do Deep Learning Redes Neurais Profundas - Arnaldo Gualberto

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