COMO a INTELIGÊNCIA ARTIFICIAL realmente FUNCIONA?
HTML-код
- Опубликовано: 10 июл 2024
- A Inteligência Artificial está em alta, e neste vídeo vamos falar sobre como funcional a inteligência artificial - mais especificamente, como funcionam redes neurais. Como ocorre o aprendizado de máquina, como é o treinamento de redes neurais? E por que a matemática está no coração da inteligência artificial? Ao final desse vídeo, você terá uma compreensão muito maior sobre o que realmente significa IA e o que quer dizer uma máquina "aprender" algo.
📚 *Leitura recomendada*:
- Neural Networks and Deep Learning (Michael Nielsen) neuralnetworksanddeeplearning....
- What Is ChatGPT Doing ... and Why Does It Work? (Stephen Wolfram) amzn.to/3DMP5Dh
- The Myth of Artificial Intelligence: Why Computers Can't Think the Way We Do (Erik Larson) amzn.to/3Olonq8
- Superinteligência: Caminhos, perigos, estratégias (Nick Bostrom)
amzn.to/45jGy6h
- Vida 3.0: O ser humano na era da inteligência artificial (Max Tegmark) amzn.to/3QOYuSD
🌟*Seja membro* e me ajude a continuar produzindo esse tipo de conteúdo: ruclips.net/user/temcienciajoin
💰*Apoie* pelo PIX: temcienciapix@gmail.com
✉️ Contato e Parceiras: contato.temciencia@gmail.com
Roteiro, apresentação e edição: Daniel Nunes
Meu Instagram: / tem.ciencia 
Наука
📚 *Leitura recomendada*:
- Neural Networks and Deep Learning (Michael Nielsen) neuralnetworksanddeeplearning.com/
- What Is ChatGPT Doing ... and Why Does It Work? (Stephen Wolfram) amzn.to/3DMP5Dh
- The Myth of Artificial Intelligence: Why Computers Can't Think the Way We Do (Erik Larson) amzn.to/3Olonq8
- Superinteligência: Caminhos, perigos, estratégias (Nick Bostrom)
amzn.to/45jGy6h
- Vida 3.0: O ser humano na era da inteligência artificial (Max Tegmark) amzn.to/3QOYuSD
🌟*Seja membro* e me ajude a continuar produzindo esse tipo de conteúdo: ruclips.net/user/temcienciajoin
💰*Apoie* pelo PIX: temcienciapix@gmail.com
✉ Contato e Parceiras: contato.temciencia@gmail.com
Acrescento também: Mãos à obra: aprendizado de máquina com Scikit-Learn, Keras & TensorFlow: Conceitos, ferramentas e técnicas para a construção de sistemas inteligentes. Você compreenderá melhor se souber cálculo, álgebra Linear, probabilidade e estatística.
Para os iniciantes: How smart machines think - Sean Gerrish
Puta merda!!! PRIMEIRA vez que vejo aqui no youtube alguém falando de rede neural e não chamando o método de gradiente de "backpropagation" e falando do teorema de aproximação universal!!! Que canal sensacional!!!
Palavras não são suficientes pra descrever a satisfação!!!
@@samuelsobral7695 e o q eu falei?! Leia de novo meu comentário.
Quanto ao q vc explicou, está errado. O gradiente é calculado para TODOS os parâmetros, bias e pesos, de todas as camadas, contanto que sua função de ativação atenda aos critérios do teorema de aproximação universal e seja derivável em todos os pontos. Ela tem que ser monotônica, limitada, contínua e derivável. Backpropagation justamente é retro(back)propagar(propagation) o erro que vc vê lá na camada de saída por toda a rede, camada por camada, até o início dela.
Não é aproximação. O gradiente é real e facilmente calculado. Vc consegue calcular a derivada parcial da função erro em relação a todos os parâmetros, claro, se a função erro também for diferenciável, sendo possível, assim, usar qualquer método de otimização para achar o mínimo da função erro. ISSO é treinar de forma supervisionada a rede.
Tem material na internet. Procura que vc acha.
@@samuelsobral7695 pra começar, vc não precisa saber qual valor "deveria ter alí". Gradiente é somente como uma função varia com a variação dos parâmetros. Vc só precisa saber como a função erro muda com a mudança de um determinado parâmetro, e isso é fácil de calcular.
Função erro exemplo: E(w) = (y-d)², onde E é a função erro, w é um parâmetro qualquer da rede, y é a saída da rede e d é o valor desejado (a saída correta). Portanto, dE/dw = (y-d) * dy/dw, já que d não depende de w.
Camada de saída: yn = fn(wn*in+bn), onde fn é a função de ativação da saída (camada n), wn é uma matriz dos pesos das entradas dessa camada, in são os inputs dessa camada e bn são os bias dessa camada. Então, dyn/dw = fn'(wn*in+bn)*din/dw, assumindo que o w, o parâmetro que queremos calcular a derivada, está lá numa camada interna. Nesse caso, quem é in? É a saída da camada anterior, yn-1. Então, até agora, dE/dw = (y-d) * fn'(wn*in+bn) * dyn-1/dw... agora é só continuar até chegar na camada e no parâmetro que vc quer. Faz isso com todos e vc tem a derivada da função erro no espaço N dimensional de dimensão da soma de quantos pesos e bias vc tem na rede. Pronto, minimiza essa budega e vc tem sua rede treinada.
Viu como não precisa saber "o valor que deveria ter ali"?
Realmente, excelente a explanação do vídeo, sensacional. Sou formado em Eng. da Computação, e fiquei muito satisfeito com a explicação do vídeo.
Sou programador a mais de 15 anos e como programador na moral já estou cansado de ver um monte de gente que não têm conhecimento prático, nem conhecimento suficiente de matemática falando de Inteligência Artificial principalmente no RUclips Brasileiro. Mas Graças a Deus temos o nosso Professor e Doutor em Matemática pra dar um Aulão de Inteligência Artificial como deve ser ensinado. Sou muito grato pela existência desse Canal, abração Professor!
É patético o tanto de mistificação. Enerva.
bem vindo a internet meu caro. precisa ter doutorado pra falar de qualquer tema? kkkk que moral sem lógica
@@marcimmurim eu em algum momento falei que não pode? E por acaso sou obrigado a gostar de conteúdo ruim? Estou dando minha opinião e expondo um meu gosto pessoal e estou somente expondo um meu parecer baseado em determinados critérios. Não confunda as coisas, não estou de alguma forma provar algum ponto.
Humildade rapaz
Concordo @@marcimmurim
Matematicamente perfeito! Toda rede neural é uma IA (ou um conjunto delas), mas nem toda IA é uma rede neural, algumas se enquadram no que chamamos de sistema especialista. O esquema apresentado no video é a representação do deeplearning, ou seja, o conceito mais profundo de aprendizado de máquinas e tratamento de quantidades absurdas de dados. Acredite, isso é um elogio!
Aínda
@@natch6863 "ainda" o quê? 🤔
@@CarlosCastro_Gankutsuou ia do mais conhecido de o humano
eu sou apaixonado por matemática, eu amo ver como ela está presente em tudo no nosso dia a dia, e o sei canal me fez achar tudo isso mais fascinante. Você é excelente!
Sou razoavelmente leigo em matemática, estou no 9° ano, mas estou significativamente adiantado em relação a turma, seu canal e alguns outros me motiva ainda mais a gostar da mesma. As I.A's são muito interessantes ainda mais tendo todo um conceito matemático envolvido, adorei o vídeo, seu canal é 10 mano!
Vc devia ta jogando Cs e paquerando as menininhas rapaz
@@felipeReisfelipereisele é mais um que não quer ser parte dessa maioria de que só se importa com tik Tok não impeça deixe
ele estudar o que ele quiser e ver o que ele quiser eu tbm estou no 9 ano e adoro cálculo integral, física e filosofia
Parabéns, está investindo em seu próprio cérebro.
@@Amantedoconhecimento cara, serio, va paraquenar umas meninas. Calculo e machine learning são coisas fáceis, tudo tem seu tempo
@@Amantedoconhecimento Vai jogar Minecraft, mano. Que que cê tá fazendo aki?
Quando você fez o vídeo de derivadas, pensei que seria legal abordar o gradiente descendente em outro vídeo, mas não tinha imaginado que iria fazer tão cedo. A explicação ficou bem legal. Acredito que passou uma ideia clara de que IA não é um caixa mágica como é massivamente divulgado por aí, mas sim um conjunto de técnicas matemáticas e computacionais bem consolidadas. Só acho que poderia ter comentado sobre a ReLU, já que é a função de ativação mais comum atualmente, e a entropia cruzada que é uma função de custo mais direcionada para problemas de classificação como o do exemplo, mas entendo que talvez ficasse muito pesado. Por favor, continue a fazer vídeos envolvendo matemática e ciência da computação. Motiva demais alunos da computação que muitas vezes não são apresentados a esses conceitos matemáticos com a mesma didática estimulante com a qual você os apresenta.
E nós também somos um conjunto de variáveis matemáticas
Esse canal TEM que chegar a 1M de inscritos! É absolutamente ESPETACULAR!
Menos amigo, estamos no Brasil 😢
O número de inscritos tem crescido. Que continue assim!
Muito bom ver mais e mais pessoas explicando as inteligências artificiais, criei uma série de vídeos no meu canal que explica conceitualmente como funcionam as inteligências artificiais e os conceitos técnicos até chegarmos a ela, vão lá confeir
O que me preocupa não é o progresso da inteligência artificial mas sim crescimento da burrice natural!
O Neurônio Artificial seria o Perceptron. Perceptron é uma rede neural de camada única e um Perceptron de várias camadas é chamado de Rede Neural Artificial.
Cara, era essa a explicação que eu estava procurando há tempo ! ... Muuuito dez ! Parabéns e obrigado por dividir o conhecimento, como ele realmente é e não cheio de "nomes bonitos" como as linguagens de programação gostam de usar (hehehe). Eu sou formado em matemática e fico louco quando vejo alguém falando e usando os "nomes bonitos" para coisas que são equações e nada além. Só que nunca tinha visto ninguém explicar de forma tão clara e precisa. Muito bom mesmo !!!
Obrigado mais uma vez por compartilhar o conhecimento !
Daniel, que vídeo único e espetacular! A melhor explicação sobre I.A. que já vi. A sua capacidade de síntese e a profundidade com que você abrange os temas propostos é surreal! Acompanho o seu canal desde o comecinho e tenho certeza que é questão de tempo pra você ultrapassar 1mi de inscritos. Obrigado por nos transmitir toda a sua paixão pela Matemática e pela Ciência. Um grande abraço!
Muito bom, vou compartilhar no meu grupo de IA e programação do Telegram pra divulgar o seu canal.
Thanks professor 🙏 É possível que você tenha despertado o interesse no estudo em PHd para I.A em um simplório e humilde adulto. Obrigado mestre. Agradeço ao incrível vídeo. Continue sempre nos trabalhos que transformam o complexo em simples. Genial demais!
Muito obrigado! É uma área muito interessante e promissora!
A minha primeira aula hj de DL foi, exatamente, todo o assunto tratado no vídeo. Excelente!
Pensava que inteligência artificial estivesse mais ligada a banco de dados, e que uma função seria capaz de utilizar esses dados. Redes neuras acaba introduzindo um conceito capaz de utilizar esses dados de forma eficiente.
Vídeo muito interessante!
Ótimo vídeo professor. Tive IA na faculdade de Ciência da Computação e até brincamos criando uma rede neural simples. Mas para mim, pelo menos, faltava um pouco dessa noção mais matemática. Por ser programação o foco, ficamos bastante na lógica e em como ela funciona, comentamos sobre as funções, mas você trouxe uma visão matemática diferenciada.
Já me ajudou a entender mais coisas que preciso estudar, e ter um direcionamento melhor.
👍🏻
foi a melhor explicaçao que eu vi na internet sobre rede neural ref IA.
seria legal se tivesse um exemplo super simples, com 10 parametros de entrada, por exemplo, explicando como estabelecer os pesos das redes ocultas/intermediarias.
Melhor explicação impossível. Parabéns 👏🏼👏🏼👏🏼
Bem vindos a Era de Utron ! Amei este
aula . Muito esclarecedor mesmo.
Sem neura e sem fobia , as AIs são
nossas parceiras nesta revolução digital .
Meus sinceros parabéns! Em pouco tempo cobriu o que há de mais importante e relevante na introdução sobre o tema!
Sensacional!
É o melhor video sobre o tema. Parabéns pela didática e pela pesquisa bem feita Daniel Nunes!
Bem impressionante a sua capacidade de esclarecer os temas, totalmente contramão do que é visto hoje na era digital, onde tudo necessita de um termo complexo. Continue o excelente trabalho professor!!!
Ótimo vídeo professor. Um assunto que eu acharia muito legal abordar é o de análise assintótica, normalmente abordado em cursos de ciência da computação mas que envolve matemática. Fica a sugestão :)
Muito bom! Parabéns! Conteúdo de RN para todos, bem explicado! As RN tem sido o grande avanço na I.A.. porém não podemos esquecer dos muitos outros métodos, como os probabilísticos (Bayes, Shannon entropy, etc.) e outras técnicas como SVM, Random Forests, GMM e outras técnicas de clusters. Sem falar da computação evolutiva, como os algoritmos genéticos para otimização, sistemas adaptativos, etc. Mas hoje em dia, quando se trata de reconhecimento de padrões, o deep learning tem sido imbatível em muitas aplicações.
Seguindo a navalha de Occam, é difícil encontrar o algoritmo "universal" simples e com máxima eficiência.
A compressão de dados é um exemplo, reduzir a função de custo.
A entropia de Shannon é relativa ao modelo. Modelo ruim significa pouca compressão. O que fazem hoje é misturar algoritmos (context mixing) e usar a entropia de Shannon (cross entropy) para avaliar a melhor escolha; a menor quantidade de dados para representar a informação é escolhida resultando em maior compressão de dados.
O problema para se aproximar à entropia de Shannon já foi resolvida com a "codificação aritmética", agora, o melhor modelo ainda não foi descoberto pois não é computável.
Teu canal é uma dádiva pra quem quer aprender. Muito obrigado cara. ❤
Existem outras iniciativas que procuram modelar um neurônio mais fidedigno ao que é um neurônio natural, que pode até disparar sem estímulo. Simular também a influência da glia e outras partes do cérebro também é um grande desafio. O livro "Vantagem humana", da Houzel, explora bastante o assunto com foco na densidade de neurônios nas várias partes do cérebro.
Sensacional! Este vídeo tem que virar um e-book e rápido :) ... minha turma de Desenvolvimento de sistemas irá adorar ter este conteúdo para estudar!!
Parabéns pelo excepcional trabalho. Você encadeia as ideias e conceitos de forma absolutamente clara. Isso facilita (ou mesmo possibilita) a compreensão dos assuntos que você aborda. Você pontua, muito bem cada etapa e traz as informações relevantes para chegar ao entendimento com clareza sem poluir e sem simplificar demais os assuntos.
Trabalho expetacular. Mais uma vez parabéns
De tudo que já procurei sobre uma explicação só IA, este vídeo é o mais claro e bem explicado que dá para entender ❤❤❤❤❤❤
Muito bom o vídeo, tecnicamente simples sem agressões grosseiras no tema. Parabéns!
@UniversoProgramado. Um canal que aprofunda muito esse vídeo. É um canal no nível desse aqui. Quem gosta de vídeo daqui vai gostar de lá, certeza.
Não sou matemático, mas sou da área de exatas (Eng. Civil). Eu amo os vídeos desse canal. Conseguem trazer conteúdo para o público leigo, sem perder a qualidade e o rigor matemático. Parabéns!
Tenho que comentar: nunca assisti a algo tão simples e abrangente ao mesmo tempo sobre os fundamentos da inteligência artificial. Depois de sua explicação ficou muito mais fácil entender e navegar nesse mundo novo para aprender mais.
Excelente vídeo, como sempre. A questão da consciência, vista sob uma ótica apenas imanente, material, não transcende, faz supor que se determinado arranjo de matéria gera uma consciência, qualquer outro arranjo também pode gerar. Ou seja, não é possível afirmar que eu seja mais consciente que uma pedra, mas somente que tenho mais meios de expressar tal consciência do que uma pedra.
Exatamente... O universo inteiro pode ser uma única consciência
Vídeo nota 10!
Deixo como sugestão, para quem quer entender os pormenores sem muita complicação, as vídeo-aulas do canal "Inteligência Artifical na Prática" aqui no YT.
Muito bom o vídeo e uma ótima explicação sobre redes neurais! Mas infelizmente está um pouco desatualizado quando se fala de AI atualmente, já q as redes neurais evoluíram muito com conceitos de mecanismos de atenção e os transformers, q fizeram possível essa grande mudança de muitos dados pra treinar uma AI pra várias tarefas, diferente do q era anteriormente de uma AI muito boa para uma tarefa. É claro q o poder computacional foi sim importante pra essas novas ferramentas, mas esses novos desenvolvimentos dos últimos 5 anos mudaram muita coisa. Sinceramente gostaria de ver um vídeo seu indo a fundo nessas novas técnicas. Valeu!
Como ML engineer, tenho que dizer esse vídeo é de utilidade pública! Um dos melhores, se não o melhor vídeo sobre AI technology que assisti disponível em português! Obrigado 🙏 a ciência agradece
parabéns por dominar o assunto. confesso que me perdi na explicação e não compreendi totalmente, apenas vislumbrei o quão complexo pode ser. matemática, definitivamente, não é o meu forte, apesar de reconhecer o fascínio dessa ciência
Comecei a fazer a matéria de machine learning para engenharia elétrica, antes de começar a matéria meu prof. falou pra ler um "breve material" sobre redes neurais de 256 slides, tava bem perdido com os termos esse vídeo me ajudou muito.
O que vc entendeu disso? Nada!!
Incrível, a melhor explicação que já ouvi sobre RN. Parabéns!!
O melhor vídeo sobre o tema, fantástico!!!
Realmente é ótimo, estou usando esse vídeo nas minhas aulas de tecnologia e inovação para meus alunos.
Video perfeito! Esperando ansiosamente pela versão em português
Muito inteligente , sou leigo, mas gostei da simplicidade da aula.
Gratidão!
Sensacional, Daniel! Um vídeo com uma didática incrível de um tema que chega a ser até místico!
Ótimas explicações. Complexo de entender para quem não é da área, mas é interessante ter uma base de como funciona essas coisas tecnológicas.
muito bom.! é o canal.. de fácil compreensão, expressivo belíssimo trabalho.
A melhor explicação já apresentada sobre IA 19:17
Fantástico e complexo! Um jeito complexo de simplificar o que parece ser fantástico!!! Parabéns!!!! Abs
Esse canal é sensacional. Parabéns. Conteúdos de qualidade sempre.
Muito obrigado pelo conteúdo prático e muito esclarecedor, excelente vídeo, parabéns!
Professor, excelente vídeo! Seguindo o tema, quem sabe um vídeo sobre métodos de feature importance em modelos de ML? Por exemplo, via SHAP Values. Parabéns pela didática.
A matemática é espetacularmente perfeita, complexa e desafiadora!!! E você é um dos caras que mostra essas faces espetaculares da matemática. Seu conteúdo é sensacional. Obrigado!
Por isso são ciências *exatas* , nada é achismo.
Grande vídeo. Técnico e sem enganação. Coisa difícil de ver hoje em dia na internet.
O mais legal é que é quase a mesma coisa. Nós inserimos inputs, o resultado esperado, e um peso, em uma função, que tem o mesmo nome da função citada no vídeo, e funciona da mesma forma (é sério, veja como é uma função em python, é a mesma coisa!), e então colocamos ela para treinar. Obviamente este é um resumo do resumão, mas consegui explicar
Abençoar mais vidas descobrir quem eu sou
Esse foi a explicação q mais satisfes minha curiosidade. Obrigado
Os vídeos do prof. Daniel sao MUITO legais e necessários nesse mar de informação inútil que nos cerca.
Muito legal e explicações muito claras, parabéns! Uma pergunta: na explicação sobre o funcionamento da rede neural e os métodos de aprendizagem, não se aplica utilizar a retroalimentação para melhorar os resultados, ou seja, usar os dados de output para injetar nos neurônios de input e obter melhores aproximações/resultados?
Interessante e vejo por esse lado também...A rede neural tem um delay (processo eletroquímico) , que nos da tempo de comparar, analisar, executar e gera esse EU único, baseado no simples fato de comparar que se resume em consciência, quanto maior o delay, maior consciência sobre as coisas...
Compreender o funcionamento da inteligência artificial é como desvendar um grande enigma pra mim, gostei da explicação.
Sensacional sua aula! 👏👏👏👏
lembro de uma rede q fiz na facul em c para resolver o problema xor, muito legal
Que vídeo ótimo... parabéns.
Excelente aula. 👏👏👏
Professor, como sempre sua didática é impecável. Mas acho q faltou o senhor dizer q as redes neurais são apenas uma técnica de IA. Elas se fundamentam essencialmente no reconhecimento de padrão, como SVM, ou mesmo KNN. Outro q vale a pena mencionar é com relação a criatividade. Aparentemente isso é uma atividade essencialmente humana, mas q com certeza merece maiores debates. Pra variar, PARABÉNS pelo vídeo simplesmente SENSACIONAL!!!!
Assisti há akgum tempo uma entrevista com o neurocientista Miguel Nicolelis em que afirmava que nunca essas ditas inteligências artificiais se equiparariam ao pensamento humano. Achei o NUNCA um pouco forte mas o cara é o CARA nessa área.
Vídeo incrível como sempre ❤
2:02 Obrigado, Avanco Social, pelos seguidores e curtidas incríveis!
1:03 Gratidão, Avanco Social, pelos seguidores e curtidas de excelência!
Parabéns pelo conteúdo. Ciência na veia 👏👏👏👏👏👏
Só uma dúvida ficou em mim,o teorema que você citou no final é válido para funções de conjuntos de cardinalidade superior a R? Digo, se pegarmos uma função arbitrária de partes de partes de R para partes de partes de R,seria possível modelar essa função em uma rede neural dada uma máquina de turig teórica? Desculpe a curiosidade mas realmente fiquei em dúvida depois dessa.
| Didática pura! 👏👏👏 |
É o melhor mesmo , esse Daniel é fera!!!
Very nice video!
You are very good teacher😊🕊🕊🕊
Uma dica pro canal: vídeos próximos ao cotidiano. Hoje mesmo estava pensado... Como o medidor de combustível do meu carro consegue medir, de forma estável, a quantidade de combustível no tanque?
Sempre me surgem essas perguntas no meu dia a dia.
Excelente
Este vídeo é uma relíquia!!! 😍
Sou cientista de dados e médico. Faltou avisar que a função da descida do gradiente (exceto das vector machines) é descoberta pela menor derivada da equação do sistema (significando o ponto com menos erros).
0:11 Avanco Social, obrigado pelos seguidores e curtidas fantásticos!
Cara seu canal é muito bom, estou assistindo os vídeos e aprendendo bastante obrigado! Conclusão sinistra essa de que um dia a IA possa despertar, com certeza será nossa maior e última invenção!
Assim, permanecem agora estes três: a fé, a esperança e o amor. O maior deles, porém, é o amor. 1 coríntios 13:13 NTLH
Fascinante o Mundo Virtual neural
Show!
Meu Deus, que vídeo foda!
0:50 Avanco Social, obrigado pelos seguidores e curtidas de altíssima qualidade!
Olha aplaudo quem entende muito sobre e quem curte matematica...Pq eu ja desisti faz tempo...Aprendo TUDO menos o que envolve calculos😢😢😢
Ficou uma dúvida. Apesar de a I.A. poder adquirir inteligência igual ou maior que a humana (singularidade), até lá vai depender de alimentarmos essa "inteligência"? Então ela não tem criatividade em si, mas poderá ficar tão complexa que simulará uma singularidade?
Desculpe o atraso de 4 minutos professor 😢
demorei 14min
⏰
Demorei 2 hrs😢
@@saalah8753eu tb
desculpe a atrasobde 69 minutos
Há redes neurais que são treinadas via alterações estruturais em vez de ajustes de pesos. São as Weight Agnostic Neural Network. E são treinadas usando algoritmos genéticos. O assunto daria um vídeo bem interessante. O argumento é que a maioria dos animais já nascem sabendo certas coisas sem que precisem ser treinados após o nascimento. Basta olhar uma girafinha que acabou de cair da barriga da mãe já ensaiar seus primeiros passos.
Realmente, o mundo não será mais o mesmo, após esse vídeo! Puxa tô pasmo e arrepiado!
Uma pergunta! Se o grande problema é o volume de dados, se eu criar IAs mais específicas resolveria o problema? Por exemplo, ao invés de se criar IAs gerais que sabem muito de tudo, porque não criar IAs específicas, exemplificando (Se eu crio uma IA especialistas em matemática, português, geografia e história, por que não criar uma IA especialista só em português) isso poderia diminuir o volume de dados e ajudar em uma IA mais eficiente?
Muito bom
Thanks
Muito obrigado!
Resumo: É uma função matemática que auto-ajusta os valores internos (variáveis).
Algo como um multiplexador / demultiplexador que auto-ajusta os operandos lógicos internos.
Códigos fonte em C? Procure por "Karsten Kutza".
Iniciante? Procure por "perceptron".
Assisti 4 horas de aula e não entendi, vi o seu vídeo e entendi, os parâmetros da função de passagem de conhecimento estão mais refinados aqui no seu vídeo.
Interessantíssimo e complicado !!!
Como faço para entender esse vídeo??
cara vc e um genio