Ir para o conteúdo

Artificial Neural Networks and Deep Learning

ANN-DL

🇺🇸 English en
🇧🇷 Português pt

insper/ann-dl

Artificial Neural Networks and Deep Learning

insper/ann-dl

ANN-DL ANN-DL
Índice
- Versões
2026.2
2026.2
- Visão Geral
- Aulas
  Aulas
  - 1. Conceitos
  - 2. Dados
    2. Dados
    
    Visão Geral
    
    Tipos de Features
    
    Distribuições
    
    Divisão Treino/Val/Teste
    
    Vazamento de Dados
    
    Qualidade dos Dados
    
    Desbalanceamento de Classes
    
    Pré-processamento
    Pré-processamento
    
    Visão Geral
    
    Escala e Normalização
    
    Transformando a Forma
    
    A Maldição da Dimensionalidade
    
    Redução de Dimensionalidade
    
    Handouts
  - 3. Redes Neurais
  - 4. Perceptron
  - 5. Perceptron Multicamadas
  - 6. Otimização
    6. Otimização
    
    Visão Geral
    
    Handouts
  - 7. Regularização
    7. Regularização
    
    Visão Geral
    
    Handouts
  - 8. Métricas e Avaliação
    8. Métricas e Avaliação
    
    8.1. Classificação
    
    8.2. Regressão
    
    8.3. Modelos Generativos
    
    8.4. LLM
    
    Handouts
  - 9. Redes Profundas
  - 10. Redes Convolucionais
  - 11. Mecanismos de Atenção
    11. Mecanismos de Atenção
    
    Visão Geral
    
    Tokens
    
    Embeddings
    
    Query, Key, Value
    
    Máscaras e Cabeças
    
    O Custo da Atenção
  - 12. Transformers
    12. Transformers
    
    Visão Geral
    
    O Bloco
    
    A Saída
    
    Geração
    
    O que Mudou desde 2017
    
    Escala
  - 13. Vision Transformers
  - 14. Transfer Learning
  - 15. Grandes Modelos de Linguagem
  - 16. Modelos Generativos
  - 17. Autoencoders Variacionais
  - 18. GANs
  - 19. CLIP
  - 20. Stable Diffusion
  - 21. Flow Matching
  - 22. Diffusion Transformers
  - 23. Geração Autorregressiva
- Exercícios
  Exercícios
  - 1. Dados
  - 2. Perceptron
  - 3. MLP
  - 4. VAE
- Projetos
  Projetos
  - 1. EDA
  - 2. Classificação ou Regressão
- Template ↗
2025.2
2025.2
- Visão Geral
- Aulas
  Aulas
  - 1. Conceitos
  - 2. Dados
  - 3. Preprocessing
  - 4. Neural Networks
  - 5. Perceptron
  - 6. Multi-Layer Perceptron
  - 7. Optimization
  - 8. Regularization
  - 9. Metrics and Evaluation
    9. Metrics and Evaluation
    
    9.1. Classification
    
    9.2. Regression
    
    9.3. Generative
  - 10. Deep Learning
  - 11. Convolutional
  - 12. Generative Models
  - 13. GAN
  - 14. VAE
  - 15. CLIP
  - 16. Stable Diffusion
  - 17. Flow-Matching
- Exercícios
  Exercícios
  - 1. Dados
  - 2. Perceptron
  - 3. MLP
  - 4. VAE
- Projetos
  Projetos
Apoio
Apoio
- Cartas de Estudo
- Folha de Consulta
- Mapa do Curso
- Entrevistas
- Avaliações
  Avaliações
  - Avaliação Final: Exemplo
  - Gabarito
Playground
Definições
Definições
- Espaço Latente vs. Embedding
  Espaço Latente vs. Embedding
- Stable Diffusion vs. Flow-Matching
Referências
Termos e Condições

Índice

Versões

Redes Neurais Artificiais e Deep Learning

Name: Redes Neurais Artificiais e Deep Learning
Author: Humberto Sandmann

Versões

2026.2
2025.2

Made with Zensical