Muito boa esta aula! Eu estava lendo varias coisas sobre IA/deep learning e estava vom as ideias soltas. Esta aula organizou tudo na minha mente. Obrigada! 😊
Excelente explicação! Nada como usar exemplos simples ... Agora, confirmei minhas suspeitas de que as redes neurais são modelos de regressão sofisticados.. Obrigada!
Caramba, parabéns pela explicação. Muito didádico e simples, fácil de aprender. Só uma pergunta com ralação ao tal combinador linear, você não tá mostrando ele ai correto?
Mas no caso , tem como eu alterar a função do peso, mudar de só multiplica, pra também:, somar, subtrair e etc...? ou ele só múltiplica msm, da transição da 1entrada, pra camadas ocultas?
@@RafaelOliveira-st3ih um viés é uma "configuração" q causa tendência nos dados, podendo, por isso, afetar os resultados. Ele pode ser definidio manualmente em cada camara de neurônios (pois são os neurõnios q processam a informação e a passam adiante). A rede também pode adicioná-lo automaticamente, ajustando os pesos no processo de aprendizado. Um vies tambem já pode existir nos proprios dados, antes mesmo da rede ser treinada. É o caso, por exemplo, de bases de dados q refletem preconceitos sociais de determinada epoca. Como machine learning aprende com os dados, a previsao sera tendenciosa com base no vies existente. Espero ter ajudado.
Boa noite fui conectado a uma rede neural por uma pessoa mau intencionada com intuito criminoso de me levar ao suicídio ou estado de loucura. Essa rede usa uma IA configurada com as piores coisas do mundo. Passo por isso 24 horas a mas de 7 meses. Fui a delegacia e não consegui ajuda. Pode me ajudar por favor? Aguardo retorno muito obrigado.
Aula sensacional! Eu ainda estou com uma dúvida O algoritmo usa os pesos para ajustar a precisão da resposta final certo ? Como ela aprende com tentativas e erros, ela armazena os valores dos pesos anteriores ? Para que ela não volte a testar um valor q já foi testado ?
Ao final do processo o erro é calculado, esse erro é propagado de volta para a rede (backpropagation) e a partir dele os pesos são ajustados. Esse processo é repetido a cada registro, e no conjunto de dados todos é ainda repetido dezenas, centenas ou até milhares de vezes (epochs)
Eu queria entender o processo de back-propagation na hora que ele atualiza os pesos. Porque na minha cabeça está assim: Ele atualizar todos os pesos para o mesmo valor ou atualiza os pesos com valores diferentes, se sim, como ele faz?
Uma boa dica pra quem tá meio perdido é pensar que praticamente vc vai gerar uma funcao de aproximação, vc tem uma lógica por exemplo pessoas de x idade são calvas mas vc n sabe a idade msm assim tem uma lista de 1000 pessoas calvas sim ou não, tendo como peso a idade 0 vc vai verificar se a idade é maior ou igual a o peso 0 se for maior ou igual pessoa é calva se não a pessoa não é calva, logo se alguém for registrado como calvo mesmo não sendo a função deverá aproximar o peso para um peso que venha fazer mais sentido
esse cara tem a voz idêntica á do vinheteiro. kkk o cara toca piano,violino,flauta,faz debates,grava vídeos e ainda ensina inteligência artifical nas horas vagas
É a primeira vez que entendo o que faz a inteligência artificial saber, os pesos resultantes dos treinamentos, que bela aula obrigado!
Sou engenheiro de ML já faz uns 4 anos e agora que entendi de forma clara
Eu acabei de criar esse modelo usando como inspiração esse video. Mto bom! Consegui chegar em um loss de 0.18.
PERFEITO, nada melhor que a teórica básica de um assunto aonde você é completamente leigo para gerar aquela base necessária.
eu te amo, seu lindo. Finalmente alguem explicando cada coisinha desde o inicio 🙏
Aprendi de maneira simples o que é Backpropagation que o pessoal tanto complica. Muito obrigado.
mil likes pra esta explicação sucinta, objetiva e precisa... obrigada
Muito obrigado , até que enfim consegui entender o conceito da RNA, sua didática foi perfeita.
Muito boa esta aula! Eu estava lendo varias coisas sobre IA/deep learning e estava vom as ideias soltas. Esta aula organizou tudo na minha mente. Obrigada! 😊
Excelente! Ficou muito mais fácil enteder.
Finalmente entendi como funciona uma RNA. Agradecido pela ótima didática!
Obrigada aprendi muitíssimo obrigada pelo vídeo
Uma boa didática muda tudo, ótima aula professor.
Muito grato. Explicação de forma simples e clara.
Professor Fernando, essa aula é ótima! Linguagem acessível e ótima didática. Obrigada por compartilhar seu conhecimento!
É isso que falta no professor da minha faculdade, parece que o cara acha que tá falando pra quem já tem 50% de conhecimento sobre o assunto.
Muito bom! Parabéns pela didática
Ótima aula! Show de didática. Professor nos meus Top 3 da Udemy.
Excelente explicação! Nada como usar exemplos simples ... Agora, confirmei minhas suspeitas de que as redes neurais são modelos de regressão sofisticados.. Obrigada!
Finalmente uma excelente explicação, muito obrigado
Meu Deus... a que ponto chegamos...muito incrível e muito complexo, Parabéns pela excelente explicação!
Ótima explicação!!
obrigado professor.
Excelente explicação. Muito bom
Excelente, obrigado!
MUITO BOA AULA! AGORA SIM EU ENTENDI 😃
Doutor Curt Connors! Que aula.
Sensacional! Aula incrível, muito obrigado!
Muito explicativo. Muito obrigado , me ajuda muito.
Ótima explicação, mt obg.
Aula top 👏👏👏
Caramba, parabéns pela explicação. Muito didádico e simples, fácil de aprender. Só uma pergunta com ralação ao tal combinador linear, você não tá mostrando ele ai correto?
Muito bom!
Ganhou um novo inscrito
aprendi rede neural no universo programado
Mas no caso , tem como eu alterar a função do peso, mudar de só multiplica, pra também:, somar, subtrair e etc...?
ou ele só múltiplica msm, da transição da 1entrada, pra camadas ocultas?
Gaules?
Que aula ótima 👏🏽👏🏽
Como prever a própria previsão...
Faltou mostrar os valores dos pesos. Mas deu pra entender.
Como encontro os valores do peso? Esses pesos são calculados automaticamente para backpropagation?
Uma dúvida, estou começando a estudar sobre o tema.
Ótimo
Legal, mas faltou falar de um termo fundamental: BIAS.
Bias é a fórmula matemática que fica entre a entrada e o neurônio?
@@RafaelOliveira-st3ih um viés é uma "configuração" q causa tendência nos dados, podendo, por isso, afetar os resultados. Ele pode ser definidio manualmente em cada camara de neurônios (pois são os neurõnios q processam a informação e a passam adiante). A rede também pode adicioná-lo automaticamente, ajustando os pesos no processo de aprendizado. Um vies tambem já pode existir nos proprios dados, antes mesmo da rede ser treinada. É o caso, por exemplo, de bases de dados q refletem preconceitos sociais de determinada epoca. Como machine learning aprende com os dados, a previsao sera tendenciosa com base no vies existente. Espero ter ajudado.
obrigado !
Boa noite fui conectado a uma rede neural por uma pessoa mau intencionada com intuito criminoso de me levar ao suicídio ou estado de loucura. Essa rede usa uma IA configurada com as piores coisas do mundo. Passo por isso 24 horas a mas de 7 meses. Fui a delegacia e não consegui ajuda. Pode me ajudar por favor? Aguardo retorno muito obrigado.
Bom dia professor. Essa rede é a perceptron? Qual exatamente?
Será que poso rever substancias químicas ....
Qual o método empregado: Supervisionado, Não Supervisionado ou Reforço?
Supervisonado, pois temos um variável reposta a priori.
Só fiquei com uma dúvida, quando eu for para o epoch 2, eu passo os mesmo dados ou devo ter outro conjunto de dados?
a nação que dominar a IA será a nação dominante
Aula sensacional!
Eu ainda estou com uma dúvida
O algoritmo usa os pesos para ajustar a precisão da resposta final certo ?
Como ela aprende com tentativas e erros, ela armazena os valores dos pesos anteriores ? Para que ela não volte a testar um valor q já foi testado ?
Ao final do processo o erro é calculado, esse erro é propagado de volta para a rede (backpropagation) e a partir dele os pesos são ajustados. Esse processo é repetido a cada registro, e no conjunto de dados todos é ainda repetido dezenas, centenas ou até milhares de vezes (epochs)
Isso é quase um método Holt-Winters usando solver, a diferença é que vc usa apenas uma variável
TOP
Tem continuação dessa aula?
Queria saber como usar essa lógica em python na prática.
Poderia me informar se a rede neural tem que receber esse dado de forma instantânea ou apenas passando a base de dados por ela, ela consegue aprender?
Alguém conseguiu fazer o procedimento acima no Excel?
Média ponderada If e Else...
Qual é a aula 1?
Por que tem o simbolo de pi
Eu queria entender o processo de back-propagation na hora que ele atualiza os pesos. Porque na minha cabeça está assim: Ele atualizar todos os pesos para o mesmo valor ou atualiza os pesos com valores diferentes, se sim, como ele faz?
Também queria saber isso, vc descobriu?
Eu creio que ele usa os erros pra tentar acertar o próximo
É a primeira vez que eu estedo alguma coisa vi vários vídeos nunca me ajudarão
Professor, qual é o tutorial anterior que você menciona no começo deste vídeo? Não estou encontrando...
@@escoladeinteligenciaartifi6597 Grato!
Uma boa dica pra quem tá meio perdido é pensar que praticamente vc vai gerar uma funcao de aproximação, vc tem uma lógica por exemplo pessoas de x idade são calvas mas vc n sabe a idade msm assim tem uma lista de 1000 pessoas calvas sim ou não, tendo como peso a idade 0 vc vai verificar se a idade é maior ou igual a o peso 0 se for maior ou igual pessoa é calva se não a pessoa não é calva, logo se alguém for registrado como calvo mesmo não sendo a função deverá aproximar o peso para um peso que venha fazer mais sentido
Não entendi bem esse conceito da epoch, depois de eu passar todos os dados eu preciso passar eles de novo pela rede pra ela se aperfeiçoar mais?
isso
Como escrever um algoritmo assim em c ?
Recomendo C++ pois é mais rápida
ta mas e como aplicar isso em um programa
Bom trabalho. Alternativa em inglês: ruclips.net/video/aircAruvnKk/видео.html
Aquilo é um N? Pra min é um pi.
Pi
esse cara tem a voz idêntica á do vinheteiro. kkk
o cara toca piano,violino,flauta,faz debates,grava vídeos e ainda ensina inteligência artifical nas horas vagas
Tava lendo Pinker. PQP. Ajuda ele, professor!🤣
Parabéns pela clareza!
Muito bom!