- Видео 38
- Просмотров 73 829
Machine Learning para humanos
Добавлен 10 апр 2023
Pytorch - do básico ao avançado #04
Nesse vídeo vamos usar o arange, função bem conhecida do numpy, agora usada no pytorch. E sempre temos dicas legais no decorrer do vídeo.
Просмотров: 305
Видео
Pytorch - do básico ao avançado #03
Просмотров 2593 месяца назад
Nesse vídeo vamos ver como gerar tensores aleatórios, entender um pouco mais sobre histogramas e sempre temos dicas legais no decorrer do vídeo.
Pytorch - do básico ao avançado #02
Просмотров 4104 месяца назад
Continuando nossa série sobre pytorch. Hoje vamos falar sobre operações com tensores. Espero que gostem!
Pytorch - do básico ao avançado #01
Просмотров 7664 месяца назад
Vamos começar uma nova série no canal! Agora usando o pytorch para redes neurais artificiais, como sempre, dos conceitos básicos até o avançado! Espero que gostem! Rede neural do zero: ruclips.net/video/x8glTaEselM/видео.html 00:00 - Introdução 03:54 - Escalares 06:20 - Vetores 10:54 - Matrizes 16:53 - Tensores
Rede neural do zero em Python #08
Просмотров 8599 месяцев назад
Nesse vídeo continuamos nosso projeto de construir uma rede neural do zero em Python! Vamos usar um dataset real e fazer uma avaliação do nosso modelo de rede neural. Esse modelo é um pouco mais avançado, mas é tudo explicado passo a passo. Nossa rede vai ser focada em problemas de classificação.
Rede neural do zero em Python #07
Просмотров 5529 месяцев назад
Nesse vídeo continuamos nosso projeto de construir uma rede neural do zero em Python! Vamos visualizar o treinamento, usar um novo dataset com mais entradas e saídas. Esse modelo é um pouco mais avançado, mas é tudo explicado passo a passo. Nossa rede vai ser focada em problemas de classificação.
Rede neural do zero em Python #06
Просмотров 6019 месяцев назад
Nesse vídeo continuamos nosso projeto de construir uma rede neural do zero em Python! Vamos fazer o treinamento da rede (fit). Esse modelo é um pouco mais avançado, mas é tudo explicado passo a passo. Nossa rede vai ser focada em problemas de classificação.
Rede neural do zero em Python #05
Просмотров 7749 месяцев назад
Nesse vídeo continuamos nosso projeto de construir uma rede neural do zero em Python! Vamos construir a parte de backpropagation! Esse modelo é um pouco mais avançado, mas é tudo explicado passo a passo. Nossa rede vai ser focada em problemas de classificação.
Rede neural do zero em Python #04
Просмотров 6889 месяцев назад
Nesse vídeo continuamos nosso projeto de construir uma rede neural do zero em Python! Vamos implementar a função de perda Cross Entropy. Esse modelo é um pouco mais avançado, mas é tudo explicado passo a passo. Nossa rede vai ser focada em problemas de classificação. Vídeo sobre Cross Entropy: ruclips.net/video/9Uw5KT6x4p0/видео.html
Rede neural do zero em Python #03
Просмотров 9019 месяцев назад
Nesse vídeo continuamos nosso projeto de construir uma rede neural do zero em Python! Vamos contruir o feedforward com suas funções de ativação. Esse modelo é um pouco mais avançado, mas é tudo explicado passo a passo. Nossa rede vai ser focada em problemas de classificação. Vídeo sobre softmax: ruclips.net/video/NqFjpHhlaew/видео.html
Rede neural do zero em Python #02
Просмотров 1,3 тыс.9 месяцев назад
Nesse vídeo continuamos nosso projeto de construir uma rede neural do zero em Python! Vamos fazer a inicialização da rede, pesos e bias. Esse modelo é um pouco mais avançado, mas é tudo explicado passo a passo. Nossa rede vai ser focada em problemas de classificação. Vídeo sobre matrizes: ruclips.net/video/Flz5R1xGJak/видео.html
Rede neural do zero em Python #01
Просмотров 3 тыс.9 месяцев назад
Nesse vídeo começamos um novo projeto. Vamos construir uma rede neural do zero em Python! Esse modelo é um pouco mais avançado, mas é tudo explicado passo a passo. Nossa rede vai ser focada em problemas de classificação. Vídeo sobre classes em Python: ruclips.net/video/M4elg0hvDuQ/видео.html
Matrizes: Aplicação em vetores e redes neurais
Просмотров 6109 месяцев назад
Nesse vídeo mostro as operações básicas de matrizes, como soma e multiplicação. Vamos ver a aplicação das matrizes em vetores bem como matrizes para representar um conjunto de equações. Embora o foco seja as redes neurais artificiais o conteúdo é generalizado.
Redes Neurais Artificiais #20: Descida do gradiente e atualização de pesos
Просмотров 82110 месяцев назад
Oi, pessoal! Tudo bem? Nesse vídeo vamos a descida do gradiente e atualização de pesos para várias dimensões (pesos). Vamos falar também da descida do gradiente estocástica e em batch. Espero que gostem! :-)
Redes Neurais Artificiais #19: Funções de ativação e suas derivadas
Просмотров 87710 месяцев назад
Redes Neurais Artificiais #19: Funções de ativação e suas derivadas
Redes neurais artificiais #18: Atualização de pesos multicamada
Просмотров 1,2 тыс.10 месяцев назад
Redes neurais artificiais #18: Atualização de pesos multicamada
Rede neural do zero em Python: Modelo básico
Просмотров 12 тыс.10 месяцев назад
Rede neural do zero em Python: Modelo básico
Deepfake em vídeos e fotos com Python: Tutorial
Просмотров 3,1 тыс.11 месяцев назад
Deepfake em vídeos e fotos com Python: Tutorial
Redes neurais artificiais #17: Descida do gradiente e atualização de pesos
Просмотров 1,2 тыс.11 месяцев назад
Redes neurais artificiais #17: Descida do gradiente e atualização de pesos
Redes neurais artificiais #16: Descida do gradiente e Regra da cadeia
Просмотров 1,1 тыс.11 месяцев назад
Redes neurais artificiais #16: Descida do gradiente e Regra da cadeia
Classes em Python: Claramente explicado
Просмотров 45511 месяцев назад
Classes em Python: Claramente explicado
Redes neurais artificiais #15: Descida do gradiente e derivada
Просмотров 1,1 тыс.11 месяцев назад
Redes neurais artificiais #15: Descida do gradiente e derivada
Redes neurais artificiais #14: Backpropagation e learning rate
Просмотров 1,4 тыс.11 месяцев назад
Redes neurais artificiais #14: Backpropagation e learning rate
Redes neurais artificiais #13: Backpropagation e descida do gradiente
Просмотров 2,1 тыс.Год назад
Redes neurais artificiais #13: Backpropagation e descida do gradiente
Redes neurais artificiais #12: Funções de perda - parte 4
Просмотров 977Год назад
Redes neurais artificiais #12: Funções de perda - parte 4
Redes neurais artificiais #11: Funções de perda - parte 3
Просмотров 1,2 тыс.Год назад
Redes neurais artificiais #11: Funções de perda - parte 3
Redes neurais artificiais #10: Funções de perda - parte 2
Просмотров 1,4 тыс.Год назад
Redes neurais artificiais #10: Funções de perda - parte 2
Redes neurais artificiais #09: Funções de perda - parte 1
Просмотров 1,9 тыс.Год назад
Redes neurais artificiais #09: Funções de perda - parte 1
CPU vs GPU no treinamento de redes neurais
Просмотров 478Год назад
CPU vs GPU no treinamento de redes neurais
Canal magífico! Perceptível a qualidade e a dedicação, a trilha sonora oferecendo um ambiente inspirador e calmo, ajudando muuuito na concentração!! Tudo perfeito! Parabéns <3
parabéns
você é top demais🤙
excelente vídeo, muito didático, estava procurando a muito tempo uma explicação boa
vídeo muito bem explicado e didático!
alguem me ajuda o meu ta dando erro oq deu def model_fit(iputs, target, w, b, espochs = 200, lr = 0.001): for epoch in range(epochs): outputs = forward(inputs, W, b) loss = np.mean(mse(target, outputs)) W, b = backpropagation(inputs, output, target, lr) if (epoch+1) % (epochs/10) == 0:
Que canal INCRÍVEL!!!!
Muito obrigado, Gabriela! ❤️
excelente! melhor material em português do youtube.
❤️😁
Sensacional!!!
Que bom que gostou! Obrigado, Gabriela!
Os outros video do canal sao otimos, fazendo backprogration na mao, com a formula matematica, didatico, porem todo mundo abtrai isso e usa TensoFlow ou Pytorch obrigado por adicionar essa parte ao conal !
Que bom que gostou! :-) Obrigado, José!
Muito bom Professor.
❤️
Oiiiii, você consegue fazer uma playlist sobre redes neurais de função de base radial??? Tem pouco assunto sobre aqui no YT, e voce explica de forma tão didática 😊
Sugestão anotada! Obrigado, Aline!
muito bom, parabéns!
Obrigado, Jamilson! :-)
Fechou com chave de ouro! Parabéns mais uma vez pela excelente série de vídeos, que com certeza deixam esse conhecimento mais compreensível e assimilável para quem está começando a estudar essa temática!
Muito obrigado, Rafael! Confesso que minha voz até vacilou ao fechar essa série! ❤️
Parabéns pelo seu empenho em tornar esse tema compreensível, as animações e gráficos valem mais que horas de explicações!
Obrigado, Rafael!
Só posso agradecer por este excelente conteúdo! Muito bom, parabéns!
❤️
Seus vídeos são sensacionais. Parabéns!
Obrigado, Eduardo! :-)
muito brabo, 1000 a 0 no meu professor de IA.
kkkkkkkk Obrigado!!!❤️
Eu facilmente compraria um curso completo seu, mesmo que custasse mil reais.
Muito obrigado, Willian! Fico muito feliz!❤️
Não sei se foge do assunto, mas algoritmo genetico é algo que tenho curiosidade também rsrsrs
Muito bom saber, Rafael! Obrigado pela sugestão! 😉
Nossa que maravilhoso essa playlist
Muito obrigado! :-)
Mano, seus vídeos sao muito bons.... eu esqueço de dar like.... voltei e dei like em tudo rsrsr parabens
Muito obrigado, Rafael! Isso mesmo! kkkk
Demais suas aulas, parabens. Sabe fiquei curioso das ferramentas/material para fazer as aulas.... pois elam são incríveis.
Valeu, Rafael! Cara, eu faço quase tudo no Python mesmo. Algumas coisas na edição usando o DaVinci Resolve. Gráficos e tal é tudo no Python mesmo.
Muito bom, estou adorando os vídeos. Aprendendo muito. Muito obrigada
Que bom, Zuleide! Fico feliz 😁❤️
Parabéns pela didática!
Muito obrigado, Carlos! ❤️
Excelente!
❤️
Em primeiro lugar, parabéns pela excelente apresentação deste conteúdo. Me ajudou muito a compreender os detalhes da implementação, além de ser um material incrível que vai auxiliar milhares de estudantes e entusiastas. Me permita uma dúvida. Aos 9:07, no fluxo para cálculo do peso w1, me parece que não deveriam ter as setas (e as derivadas) que vão de z2 para w2 e de w2 para f1. Justifico isso pois o resultado de dw2/df1 seria sempre 0 e também porque o resultado de f1 influencia diretamente z2 ao invés de w2. Acho que no lugar dessas duas setas (e respectivas derivadas) haveria uma única seta ( e derivada) diretamente de z2 para f1, cujo resultado da derivada dz2/df1 seria o peso w2. Por favor, me corrija se eu estiver errado, estou aprendendo! Mais uma vez, parabéns pelo trabalho.
Oi, Arton. Obrigado pelo comentário. Na verdade eu acho que é mais ou menos isso o que acontece. Essas derivadas vão se cancelando. Vendo melhor eu comi bola na escrita da expressão também, escrevi duas vezes dz2/dw2. Foi mal! :-| @arton7166
Didática de milhões
❤️
Sensacional! Parabens pela didática!
Muito obrigado, Felippe! ❤️
Uma duvida, no calculo do MSE não ficou faltando em algum momento realizar a soma dos erros pra depois tirar as medias? Ou estou me confundindo em algum momento?
Eu faço uma média dos erros no treinamento, quando calculo a perda (loss). Isso na linha loss = np.mean(mse(target, outputs). @xeidd2169
Melhor playlist de redes neurais que assisti, até hoje. Muito obrigada 😊
Que bom, Isadora! Muito obrigado! ❤️
<3
❤️
Sensacional
❤️
Seus vídeos são presentes para quem quer aprender e tem dificuldade. Parabéns e obrigada.
😁 Muito obrigado, Thais!! ❤️
❤
💕
adorei a playlist! mas faltou falar de otimizadores, adoraria ver esse conteúdo com sua didatica.
Valeu pela dica!! 😁
❤
💕
❤
💕😍
👏 👏 👏 👏
💕😁
Didática incrível ❤
Valeu, Thais!! ❤️
Você é um anjo! 😢😢😢😢 nem acredito que achei seu canal. Muito obrigada!
Ahhhhhh, muito obrigadoooo!!! ❤️❤️❤️
Obrigada pelo seu canal ❤
💕
Gostei dos vídeos com fundo musical baixinho. Bom timbre, tom da voz e animações. Parabéns!
Valeu, Emerson!!! ❤️
Muito obrigada pelos seus vídeos! ❤
Obrigado por acompanhar os vídeos!! :-)
Adorei a aula. Muito obrigada.
Que bom, Zuleide! Muito obrigado! ❤️
Agradeço imensamente todo esse conteúdo. Muito importante, parabéns pelo canal.
💕💕💕
Sim, muito bons os vídeos. Estou gostando bastante da série. Muito obrigada.
Que bom! Muito obrigado, Zuleide! ❤️
Muito obrigada pela aula. Muito importante. :)
Obrigado, Zuleide!!!
Muito obrigada pelo vídeo.😆 Explicação sensacional. Parabéns pelo canal.
💕😍
Muito útil seu conteúdo, obrigado!
❤️