Introdução ao PyTorch | Redes Neurais | Primeiros passos com Pytorch | Deep Learning #1

[@pgdinamica]

ERRATA: 1:14:34 Erro Quadrático Médio é o erro calculado pela média da soma dos quadrados (foi este que usamos no código). O erro que extrai a raiz quadrada também, como desenhado no quadro, é o RMSE (R de root, raiz em inglês). Poderíamos ter aplicado o RMSE também no lugar do MSE neste problema de regressão ;) Lembrando que o código tá disponível na descrição, galera!

[@judsonson4090]

Eu entendo inglês então andei assistindo a vários vídeo na gringa sobre machine learning e deep learning porque sempre tive esse estigma de que na gringa os conteúdos são melhores. Eu achei muita coisa boa em inglês, mas eu não poderia estar mais errado. O seu canal foi de longe o melhor que eu assisti até agora explicando os fundamentos de machine learning para uma pessoa que tem pouca base de aprendizado de máquina. Até a matemática ficou mais fácil com você. Parabéns, baita professor.

[@pgdinamica]

Muito obrigado pelas palavras! Levantou o meu dia 🥰

[@JOAOFELIPEQUENTINO]

Assino em baixo, cheguei a ver vários vídeos gringos, inclusive um de 5 horas e nenhum chega nem perto a esse vídeo. Conteúdo fantástico, continue com conteúdo de Deep Learning!!!

[@bruno.kleine7917]

Esta aula está uma OBRA DE ARTE parabéns aos envolvidos e continuem assim!

[@pgdinamica]

Muuuito obrigado 😊

[@jordanogiacomettomazoni3275]

Parabéns pela aula, difícil achar pessoas tão comprometidas com o conhecimento. Obrigado

[@pgdinamica]

Valeu, Jordano!

[@DataBoy777]

Cara... primeiramente desculpe por esse nick horroroso... Sou um jovem negro de 26 anos e me sinto muito representado quando vejo seu canal e quando vejo sua trajetória acadêmica, sua e da Kizzy... Me formei pela UFV a dois anos e atualmente trabalho como professor de física e de ciências, mostro vocês pra todos os meus alunos, em especial os meninos e meninas negras... me lembro de não ter referências como vocês a 10 anos atrás, lembro o quanto machucava e me jogava pra baixo... Na faculdade fiz iniciação científica na área de informação quântica, depois desse vídeo, em específico da sua explicação sobre PERCEPTRONS eu escolhi o que quero fazer da minha vida... QUERO SER UM CIENTISTA DE DADOS!!! Agradeço aos dois pelo trabalho incrível! Vocês transformam vidas!!! Vi esse vídeo a uns 2 ou 3 meses e agora já sou um estudante de ciência de dados... Em breve volto aqui pra atualizar esse comentário com a minha trajetória.

[@pgdinamica]

Que legal, mano, obrigado pelo depoimento! Desejo sua nesta nova etapa da sua carreira! Abraço 🤗

[@stasionisas]

Obrigado pela dedicação e parabéns pela habilidade na estruturação do vídeo! Tem aqui mais um inscrito. Sucesso! Com relação à comparação com o funcionamento do cérebro, o termo rede neural já é em si uma analogia aos neurônios e seu funcionamento em rede. Esta comparação é similar ao funcionamento entre aviões e pássaros. É a mesma coisa? Óbvio que não; mas guardam estritas relações? Os termos aprendizado, funcionamento em rede, neural, ativação, reforço de estímulo foram ou não diretamente inspirados no funcionamento cerebral?

[@LasertechSistemas-cs7tx]

Boa noite, preciso montar uma rede neural com treinamento, onde analisaremos pedidos de comida, as entradas seriam algo do tipo "Eu quero um x-burguer e uma guaraná" e a saída " [{'quant':1, 'produto': 'x-burguer' }, {'quant': 1, 'produto': 'guaraná' }] O treinamento seria feito com várias simulações de pedido e a saída básica seria essa, mas ainda teremos observações nos itens pizza inteiras e divididas. O que me recomendaria usar ? Obrigado.

[@gilbertometzker576]

Cara, simplesmente empolgante, mas... Estou muito no começo. Me perco muito tanto no uso do Pytorch, quanto na sintaxe em sim. Onde achar um curso básico para vencer essa etapa inicial? (Curso, livro, apostila, vídeos youtube, play list, etc. Qualquer material). Mas tem que ser algo estruturado, do começo ao fim, principalmente vídeos no KZbin, pois vídeos soltos acabam ocorrendo os mesmos problemas - de repente um comando ou um tópico é utilizado sem antes ser apresentado.

[@pgdinamica]

Temos uma playlist de introdução ao Python: kzbin.info/aero/PL5TJqBvpXQv6AEfVymby32MinHdxZA-8J

[@adriano3987]

Tô surpreso em ver uma aula desse nível de quase 3hs com 4.4mil visualizações.O Brasil ainda tem jeito galera.rsrs Nem tudo está perdido!

[@pgdinamica]

Isso aí, tenhamos esperança! 🙌🏾😉

[@Revoltzful]

É muito bom, depois do depois... Sei que o mestre será excelente, mas é uma área muito atual para aprender e ensinar, agradeço demais pelo esforço

[@MorgaoFreud]

É básico o pq é uma aproximação e se usa limite tendendo a algum valor, entre [1,2] em reais tem infinitos números, como a conta nunca para a aproximação é um valor razoável para se aproximar os números sem realmente fazer infinitas contas em processamento computacional.

[@Silveirinhajuan]

Muito obrigado, Hallison! Essa aula é extremamente completa, boa, didática, só não digo fácil, pq enfim, IA. Portanto, ter conteúdos assim ajuda demais quem está completamente perdido. Muito obrigado mais uma vez.

[@pgdinamica]

Valeu, Juan! Fico feliz com suas palavras :D

[@edvandossantossousa455]

Uma aula com 2h:46 min ??? "milagrosamente" não dormi...rsrs. Mis uma excelente aula! muito obrigado por compartilhar.

[@pgdinamica]

Valeu, Edvan!

[@dudu88games]

12:58 Tô vendo a live no domingo (1 dia depois), e acho que não tá "liquida" não (4 horas) Kkkkkkkkk...

[@pgdinamica]

Hahahahaha, verdade 😅 acho que as lives com código que eu faço tendem a crescer muito mais que o esperado 🤣

[@rennanmendesdemoraesdossan6338]

Quero deixar aqui meus sinceros parabéns ao Hallison Paz e aos demais colaboradores do canal Programação Dinâmica por essa grande aula. Esclarecedora, robusta, direto ao ponto, são alguns dos elogios que eu gostaria de prestar. Muito obrigado por esse projeto educativo.

[@pgdinamica]

Muito obrigado, Rennan! Fico feliz com suas palavras 😉

[@UniversoDiscreto]

Ótimo conteúdo e valeu pela menção ;)

[@pgdinamica]

Valeu, Lucas!

[@iacibarros9867]

Em 1:10:00 encontrar o teta = 0 só resolve parte do problema, ou somente para os casos onde b=0. pois existe a translação vertical da função onde b=3 para o caso. Então resolver o coeficiente angular é somente uma parte do problema. A não ser, é claro, que tenha-se definido um ponto em comum entre as retas a priori, se obrigatoriamente houver esse ponto desde o começo, pode-se sim apenas trabalhar para encontrar o coeficiente angular que naturalmente o 'b' será ajustado também.

[@CaiolimaGomes-ux7ls]

faz sentido

[@wedjabarbosa8523]

Boa noite. Poderia me tirar uma dúvida: Psra qualquer classificação de imagens é aplicado deep learning?

[@pgdinamica]

Não. Os métodos com melhor desempenho para classificação de imagens em geral, atualmente, são baseados em deep learning, mas essa não é a única forma de resolver o problema.

[@hctleo]

Excelente, cara. Obrigado por compartilhar o conhecimento. Muito enriquecedor!

[@pgdinamica]

Valeu, Héctor!

[@valdomiromorais]

Gostaria de deixar duas perguntas, a primeira no contexto da explicação inicial sobre o perceptron, a segunda sobre tutoria: 1. Não ficou muito claro pra mim se é a soma dos produtos dos peso pelas entradas (um produto escalar) acrescida de um "bias" (\left\(\sum\limits_{i=1}^{n}W_i\cdot x_i ight\) + b), ou a soma dos produtos somados dos bias (\sum\limits_{i=1}^{n}(W_i\cdot x_i + b) ) 2. Eu pretendo propor a um certo programa de mestrado em computação um trabalho que envolve visão computacional. Sendo assim, queria saber se você trabalha com tutoria ou orientação pra quem pretende ingressar nesta carreira! Obrigado, Dr. Hallison!🙂

[@valdomiromorais]

Voltei pra entender melhor! É o produto escalar + o bias: \left( \sum\limits_{i=1}^{n}W_i\cdot x_i ight) + b

[@pgdinamica]

Isso! É o produto escalar + o bias. Vetorialmente é W*X + B. Quanto à segunda pergunta, a resposta é que sim, mas não no momento :(. A Kizzy e eu criamos um programa de mentoria chamado ALFORRIAH, mas não estamos abrindo uma nova turma agora. Este ano está bem tomado de compromissos já. Na melhor das hipóteses, poderia voltar a mentorar em dezembro.

[@deanferreira2701]

Cara estou no início do estudo da carreira de tecnologia, mas estou animado com o conteúdo de vocês.. parabéns!

[@pgdinamica]

Valeu, Dean, bons estudos!

[@Fingiorstyle]

Nossa você é um professor incrível!! Valeu pelo vídeo, amanhã vou procurar outros vídeos

[@pgdinamica]

Muito obrigado! Acho que você vai gostar desta playlist: kzbin.info/aero/PL5TJqBvpXQv729nb3vdeP4E87hLark5q9

[@guilhermeestevamaraujo4250]

Oi professor tudo bem professor ??? Eu estou no 6 ano do ensino médio e ainda eu estou com muita dificuldade em aprender como funciona os múltiplos e divisores, eu consigo resolver as questões práticas, mas não consigo fazer indução que é muito difícil. Por exemplo dado certo número e entre esses números eles substituem o algarismo por uma letra e devo saber apartir de contas de múltiplos e divisores qual é esse número e fica bem difícil pq não sei relaciona entendeu professor? Eu gosto muito de tecnologia e muito de como vocês pegam certas combinações e geram outras combinações, eu devo saber muito desse tipo de matemática para aprender essas coisas professor? Pode me ajudar um dia se puder? Obrigado tenha um bom sia

[@cosamores]

Ei, Guilherme! Algo que me ajudou muito quando fui pra universidade foi perceber que matemática é uma linguagem. Basicamente, você pode dar qualquer nome pra essas variáveis e trabalhamos sobre as interações entre essas variáveis. Se é "x", "w", ou "b" como na equação x*w + b o mais importante é perceber que que um valor que a gente dá, vezes o peso do que é dado mais o viés vai dar um valor "y", daí se você colocar vários x, w e b com diferentes valores e testar várias vezes a equação, vai ver que os resultados "y" desenham linhas e formas no plano cartesiano. Não sei se consegui ser claro🤣🤣

[@raphael.portela]

amanhã termina a sprint atual do trabalho aí mergulharei nessa aula, ansioso pra assistir essa "RARE GEM" . Hall quanto eu preciso saber de grafos e matematica pra entender o que ta acontecendo e oq vou precisar na hora de usar essa lib ou ate mesmo scikit learn pra determinado problema?

[@pgdinamica]

Difícil responder "quanto", não há uma métrica objetiva pra isso. Eu sugiro buscar mais referências à medida em que topar com termos novos. Por exemplo, um Perceptron faz um produto escalar entre os pesos e as entradas... se você não sabe o que é um produto escalar, indo atrás deste conceito, naturalmente, vai aprender várias coisas. Gradiente descendente é um método guloso e está sujeito a ficar preso em mínimos locais...tem vários termos com uma grande carga de significados que você pode ir consultando, se não souber, enquanto estuda.

[@Wer-zo8mb]

19:24 Não entendi muito bem porque retirar o primeiro índice do peso, pode me explicar um pouco melhor professor? :)

[@pgdinamica]

Nesta implementação, o índice 0 foi reservado como “bias”, o termo adicional que somamos sem multiplicar pela entrada. Pode olhar que tem um “+ self.weights[0]” na linha de código. Poderia ter sido o último índice (ou qualquer outro, embora isso complique o código). Poderia até usar uma outra variável só para o valor do “bias”, mas na prática, facilita colocar tudo junto.

[@jhonatan-hy1ig]

quando vc vai fala da lang chain ?

[@gustavomiranda4571]

Aula excelente! Assista até o final! Deu pra ter uma noção inicial muito boa dos processos envolvidos na criação de uma rede neural artificial. Agradeço pela iniciativa!

[@pgdinamica]

Valeu, fico feliz que tenha ajudado! 😉

[@nestorflavianomadureirabar8653]

Mano, faz um vídeo ensinando a treinar a rede enviando os tensores pra gpu usando o CUDA, tô tentando e não tô conseguindo, tá mostrando que a gpu ta ativada e pronta, mas como faz pra ele ser executado na gpu?

Estou usando os vídeos de vocês para passar conteúdo para famílias carentes. Obrigado por tudo!

[@pgdinamica]

Que incrível! Fico feliz com a iniciativa 👏🏾👏🏾👏🏾

[@CaiolimaGomes-ux7ls]

deixa eu ver se eu entendi , ent a s redes neurais são funções que interpretam dados , e depois dão uma resposta

[@pgdinamica]

Elas são funções ajustadas com os dados, mas elas não interpretam nada. Quem interpreta é a gente.

[@TheArrowster]

Muito boa a aula! Compreendi melhor como implementar uma rede neural!

[@pgdinamica]

Valeu, fico feliz que tenha aprendido!

[@CarlosBotelho-q6s]

Boa tarde halison tem como passar o zeu contato? Grande abraço

[@pgdinamica]

[e-mail]

[@thamiresgodoy8258]

Melhor aula sobre o assunto, muito obrigada!

[@pgdinamica]

🥰 de nada!

[@gabrieloliveira8333]

Video absolutamente incrível. Sou muito grato pelo seu comprometimento em compartilhar conhecimento de uma maneira tão didática!

[@pgdinamica]

Agradeço as palavras, Gabriel!

[@Revoltzful]

Muito bom, mas 15 minutos de lost, assista os vídeos

[@pgdinamica]

Não entendi.

[@LucasFortesa]

Me conquistou na referência ao Mano Brown.

[@pgdinamica]

😉

[@danilojose7370]

Mano, como que esse cara ainda não tem uma estátua para ele ?

[@pgdinamica]

😂😂

[@risorisos]

Mano de graça? Muito obrigado! Prometo concentração total na aula. Edit 1 Assistindo google lab primeiro. Edit 2 Voltei e acho que fui arrogante quando disse que concentraria totalmente.

[@pgdinamica]

Totalmente gratis, conhecimento de mais alta qualidade ;) Disponha! 🙌🏾

[@risorisos]

@@pgdinamica cara to acompanhando mas to precisando maratonar um pouco pra depois voltar pra :live". Partiu pq tenho só 4 hrs de folga. Gratidão total! Vcs fazem a diferença

[@pgdinamica]

Relax, segue no seu tempo ;)

[@alexjosesilvati]

Parabéns .. seu vídeo é um perído da minha especialização na UFPE. E tudo de graça!!! Super recomendo vender seu curso para alguma faculdade ou curso EAD!! Esta muito bem!

[@pgdinamica]

Obrigado! Bons estudos!

[@julianar2174]

Ele inicia o assunto Rede Neural em 32:45

[@pgdinamica]

Edit: 19/09/21, 19:43, a live foi cortada :) Show! Vamos cortar o começo e o fim pra deixar mais enxuto

[@eng.edersilva]

Muito bom! Conseguiu explicar de forma didática bastante coisa sobre o funcionamento das redes neurais ... E ainda apresentou alguns exemplos interessantes. Faço mestrado em Ciência da Computação, linha de pesquisa de sistemas inteligentes. Gostei do vídeo, parabéns!

[@pgdinamica]

Muito obrigado! Sucesso na carreira!

[@alexcerqueira1880]

Curti muita a aula.. mas fiquei com uma duvida: é possível faz otimização com redes neurais? pq eu teria apenas as features e não os rótulos.... no máximo eu conseguiria dizer se é uma resposta valida ou não de acordo com minhas restrições...

[@pgdinamica]

O processo de treinamento é a solução de um problema de otimização. Pela explicação da pergunta, suponho que esteja se referindo a aprendizado não supervisionado, certo? Por exemplo, suponha que você tem um tipo de dado e você quer aprender uma representação desse dado em um espaço euclidiano, que te permita compará-lo depois. Na prática: você quer fazer comparar objetos para saber se são próximos ou não...sim, você poderia treinar uma rede sem os rótulos para aprender uma representação (features) em que objetos similares estejam próximos (você tem que dizer o que é próximo (produto interno?))

[@fabianobraga6596]

Muito boa a aula! Parabéns! Estou com uma dúvida, é possivel treinar uma rede através de um banco de dados com variáveis qualitativas e encontrar um modelo?

[@pgdinamica]

Você precisa codifica-las em valores numéricos antes de usá-las em um modelo. Explicamos algumas técnicas aqui: kzbin.info/www/bejne/kIG3cpiOm8aNask

[@DataBoy777]

Cara! que canal FODA!!! finalmente a matemática que aprendi na faculdade tá sendo usada...

[@pgdinamica]

Obrigado! Seja bem vindo!

[@everton4135]

Eu acho o tensorflow muito mais simples.

[@pgdinamica]

Discordamos 🥴

[@everton4135]

@@pgdinamica que bom! Isso me faz pensar em investir um pouco mais de tempo para aprender.

[@umcanalsemvidanoyoutube8840]

Que massa quando comecei a assistir esse vídeo não tava entendendo nada, e hoje em dia tô criando até minha própria lib de autograd

[@pgdinamica]

Que fantástico! 🤩

[@rodrigovbaautomation8703]

Brother. Estou no início do vídeo. E sem exagerar. Já adorei.

[@pgdinamica]

Valeu! ☺️

[@JoBaysal]

obrigada! Hallison! muito grata por vc está fazendo essa aula, esta salvando meus estudos! vlw!!!

[@pgdinamica]

De nada! Fico feliz que tenha gostado 🙌🏾

[@pauloassuncao140]

Sou fã desse casal de feras. Um dos melhores canais brazucas de dados! Nota: fiz cursos de verão no IMPA em 96 e sou muito grato pela experiência!

[@pgdinamica]

Obrigado, Paulo!

[@GustavoHenrique-pk2pm]

mUITO BRABO

[@pgdinamica]

Valeu, mano, bons estudos!

[@leonardopx]

Excelente explicação, Hallison. Muito obrigado!

[@pgdinamica]

De nada!

[@henriquesaraquan2254]

Pensamos também como princípio fundamental da contagem

[@pgdinamica]

Qual parte?

[@alexandrefrias2147]

Ufa. Alguém finalmente mandou a real sobre rede neural não ter nada de simulação do cérebro. Mas ainda não vi nenhum vídeo de programação dinâmica aqui.

[@pgdinamica]

O melhor estar por vir 😬 ajuda nós a chegar a 100K que a programação dinâmica vem 😂

[@alexandrefrias2147]

@@pgdinamica Ajudo sim, compartilhei no whatsapp.

[@yagamiraitopaulo]

Muito bom! Estou tendo um curso de mineração de dados e estou na parte do redes neurais! O vídeo ajudou demais!

[@pgdinamica]

Que bom que gostou!

[@sezioclenernascimento5234]

seria legal fazer uma live sobre openGl usando python..

[@pgdinamica]

Puxa, eu agradeço a sugestão, mas não vou alimentar falsas esperanças… eu não tenho muito interesse em usar OpenGL e Python no momento. OpenGL é bem focado em visualização por rasterização, eu já fiz muita coisa com isso no passado (usando C++). Atualmente, tô mais interessado em visualização por ray tracing, pois no momento atual que estamos vivendo, está acontecendo uma revolução na área. E pra fazer computação gráfica em tempo real, Python não é uma escolha tão boa (por questões de velocidade mesmo). Mas fico feliz que tenha interesse no tema :)

[@beltraomartins]

Muito boa explicação, parabéns!

[@pgdinamica]

Muito obrigado! 🙌🏾

[@walquiriasilva9380]

O canal de vocês é maravilhoso! Adorei. Muito obrigada pelo conteúdo de qualidade!

[@pgdinamica]

Valeu, Walquiria! 🙌🏾

[@jadsonrodrigues8130]

Que aula incrível!

[@pgdinamica]

Valeu!

[@PedroHenrique-hb6jn]

Que baita aula, parabéns e obrigado por disponibilizar.

[@pgdinamica]

Valeu, Paulo!

[@ecapanema]

Muito bom! Parabéns e obrigado!!

[@pgdinamica]

De nada!

[@MagdaAmaral]

Parabéns pela aula incrível ❤️

[@pgdinamica]

Muito obrigado!

[@enzocussuol]

👏👏

[@pgdinamica]

Valeu!

[@joaojoca100]

Muito bom o conteúdo! Alto nível #DeepLearning #NeuralNetwork

[@pgdinamica]

Valeu; João! Obrigado pelo comentário 🙌🏾

[@marcosleno3561]

Muito Obrigado!

[@pgdinamica]

De nada!

[@henriquesaraquan2254]

Função do 1° grau

[@pgdinamica]

Boa! Respondendo enquanto assiste 🙌🏾

[@flixfort]

Muito bom! Nota dez!

[@pgdinamica]

😁

[@bunorr]

Muito inteligente

[@pgdinamica]

Valeu!

[@guimaraesalysson]

Muito bom

[@pgdinamica]

Obrigado!

[@arthuralves9696]

Muito bom o vídeo como sempre :))

[@pgdinamica]

Valeu, Arthur!

[@01bit]

Qualidade!

[@pgdinamica]

✌🏾😁

[@andreramos3290]

Excelente!

[@pgdinamica]

Obrigado!

[@wolfbleckmoor994]

O pytorch é melhor que o tensorflow?

[@pgdinamica]

O que é ser melhor?

[@wolfbleckmoor994]

@@pgdinamica velocidade de implementação, execução etc.

[@pgdinamica]

viso.ai/deep-learning/pytorch-vs-tensorflow/

[@viniciusnovaes8100]

Adorei a aula, muito obrigado por trazer conteudo de tanta qualidade. Uma coisa que fiquei pensando é se existem aplicações de series de taylor em deep learning, ja que se tem essa ideia de tentar se aproximar a uma função

[@pgdinamica]

Nunca vi, mas é algo a se pensar 🤔 talvez como interesse de pesquisa possa ter alguém pensando nisso agora, mas não me vem muitas aplicações em mente, porque as séries de Taylor tem um papel mais teórico. Existe, contudo, um tipo de rede que se relaciona com transformadas espectrais (como a de Fourier), que tem importância teórica e prática (estou estudando uma delas agora pra entender alguns tipos de sinais). Dá até pra resolver equações diferenciais com estas redes neurais! - talvez Taylor possa ajudar nisso tbm 🤔

[@viniciusnovaes8100]

@@pgdinamica Que massa!!! Eu vou dar uma procurada sobre o uso de series de fourier com redes neurais. Muito obrigado pela resposta! E mais uma vez muito obrigado pelo conteúdo, vocês me inspiram muito, vlww!!

[@pgdinamica]

Opa, se tá interessado, sugiro buscar dois termos: 1. Fourier Feature Mapping - um tipo de transformação que tem sido aplicado em dados de baixa dimensão (como o do nosso exemplo) antes de fornecê-los à rede. 2. SIREN - um tipo de rede neural que usa senos e cossenos como “função de ativação” (o termo função de ativação até perde um pouco o sentido nesse caso, porque são periódicas).