Exemplos de como usar algumas ferramentas úteis em python. Inclui Dunder methods, decorators and generators.
Algoritmo simples de classificação binária. Funciona somente para classes linearmente separáveis.
Aplicação do método de mínimos quadrados para encontrar os melhores parâmetros que se ajustam à uma função. Aqui o problema é resolvido por força bruta, o que significa que é inviável aplicá-lo para determinar muitos parâmetros de uma vez.
Introdução ao algoritmo de descida gradiente aplicado ao problema do ajuste de função. Encontra os parâmetros de maneira muito mais rápida do que o ajuste por força bruta. Infelizmente, na forma que está apresentado aqui o algoritmo só resolve parâmetros e combinações lineares de funções; é preciso modificar a arquitetura para ajustar funções mais complicadas.
Aplica a descida gradiente para o problema de classificação binária, dessa vez com a vantagem de que ele classifica com base na probabilidade de pertencer a uma classe ou à outra, e portanto consegue lidar com pontos náo linearmente separáveis.
Implementação e discussão sobre dois algoritmos de agrupamento interessantes. No K-means você fornece k, o número de classes que acredita existir nos dados que está olhando, e ele encontra essas classes pra você. No Mean-shift não sabemos quantas classes existem, e o computador encontra possíveis soluções.
Tentamos imitar o processo da evolução natural para encontrar a melhor solução para um dado problema. Como exemplo, usamos o algoritmo para resolver o problema do vendedor ambulante, onde queremos encontrar a rota mais curta que passa por N pontos e volta para o ponto inicial.
Exemplo simples de como processar dados, montar, treinar, e avaliar uma rede neural para classificação binária construída com o módulo Keras do Tensorflow.
Exemplos de diferentes aplicações de camadas LSTM (Long Short-Term Memory) do Keras para previsão baseada em série temporal.
Exemplo de como construir uma rede neural convolucional através do Pytorch e treiná-la para identificar números escritos à mão (base de dados MNIST) e também peças de roupa (base de dados Fashion MNIST).