Introdução a Redes Neurais e Deep Learning

e fala pessoal aula de hoje vai ser uma introdução a redes neurais e deep lane vai ser uma aula muito especial que a gente vai desbravar um dos ramos mais relevantes da inteligência artificial e para fazer isso eu vou dividir esse vídeo aqui em duas partes primeiro a gente vai entender a inspiração para o surgimento das redes neurais artificiais entendem de onde vem o conceito de motivou a criação dos algoritmos de redes neurais artificiais para dar então a gente mergulhar no funcionamento de uma rede neural para ver como é que ela funciona de verdade eu

vou tentar fazer isso nesse vídeo aqui usando um mínimo de matemática possível tá então essa abordagem desse vídeo aqui gente vai caminhar sem pela rede neural vai entender cada ponto a gente como as coisas funcionam mais usando o mínimo de matemática possível porque eu vou dedicar um outro vídeo para explicar a matemática por traz da rede neural daí naquele outro ver a gente vai ser bem mais rigoroso ali e ver exatamente quais cálculos que estão sendo feitos por baixo dos panos ali do algoritmo da rede neural mas então aqui nesse vídeo primeiro a gente vai

ter uma bordar a motiva cada ir depois a gente poder mergulhar na matemática e sim então isso é um dia que vai ser bastante interessante porque mesmo que não tem uma base boa matemática ou não tem muito conhecimento de mach lane ainda não precisa ter essa base para poder entender esse vídeo aqui vai a caminhar pelo estudo da rede neural uma abordagem bastante intuitiva sem muitos pré requisitos necessários esse vídeo que ele faz parte nosso curso de redes neurais e deep lane eu vou deixar o link aqui na descrição do vídeo para quem quiser saber

mais detalhes tá certo então vamos começar entendendo a origem das redes neurais o que que inspirou a criação de redes neurais artificiais o que inspirou as redes neurais artificiais foram as redes neurais biológicos os neurônios do cérebro o cérebro humano e possui 70 e 86 bilhões de neurônios e cada neurônio e fase em média 7 mil conexões com outros neurônios 7000 sinapses com outros neurônios então a gente pode imaginar complexidade disso imagina 86 bilhões de neurônios cada um se comunicando 17 mil neurônios enviam informação por meio de impulsos elétricos para esses outros neurônios e a

gente disse quando um neurônio tá enviando o impulso elétrico para outros neurônios que esse neurônio está ativado então uma tecnologia bastante usada e aqui para eu for explicar redes neurais artificiais também vai usar essa tecnologia de um neurônio ativado a gente pode entender o meu nome é ativado por um acredita tá enviando informação tá e o neurônio desativado é aquele que não tá enviando informação por causa do neurônio biológico seria um neurônio que não tá enviando nem um impulso elétrico para outros neurônios tá então os neurônios eles estão recebendo informação você tão recebendo impulsos elétricos

de outros neurônios isso numa quente biológico né e eles por sua vez estão enviando vão informação também para outros neurônios a partir dessa conexão super complexa é possível estabelecer reconhecimento de padrões tá então é sempre nosso cérebro funciona como ele consegue ter uma quantidade muito grande de combinações entre eles conseguem ele também tem essa capacidade né de reconhecer padrões e é claro que ele está muito longe de entender perfeitamente como o cérebro humano funciona mas foi com base nessas conexões que se teve a ideia de criar redes neurais artificiais fizessem algo muito parecido então a

uma rede neural artificial ela contém também neurônio só que são neurônios artificiais são elementos bastante simples para cada um deles mas cada neurônio faz conexões com outros neurônios tá e a partir dessa vasta quantidade de conexões de elementos simples é possível chegar a conclusões bastante complexa e reconhecimento de padrões complexos o que a gente já vai ver isso com mais detalhes daqui a pouco mas antes de começar haverá o funcionamento das redes neurais propriamente ditas é importante entender que tipo de informação que as redes neurais podem receber aqui nesse exemplo que eu vou dar às

vezes neurais elas vão estar recebendo imagens tá então entrada da rede neural ou seja o que que ela vai tentar aprender são imagens aqui tipo de mais vão ser dígitos numéricos tá então tá aparecendo aqui na tela um risco tá escrito à mão o que a gente fosse escrever o dígito 5 por exemplo na mão vocês o dígito 5 várias vezes aí no papel pode ter certeza né que nenhum deles vai ficar exatamente igual aos ouço alguns dígitos vão ficar 1-1 pouco maior de um lado uma voltinha um pouco maior em outro né tem um

difícil escrever o número 5 ou qualquer número qualquer coisa exatamente igual ele tem que pegar sem várias pessoas diferentes né para escrever os vídeos numéricos e até muito mais variabilidade ainda né já tem várias formas diferentes escrever cada um dos jeans então existe um certo padrão né pra gente reconhecer que outra esse aqui é o dígito 5 por mais que se ele formas obras quase infinitas formas diferentes de se inscrever o número 5 né cada pessoa pode ser um gente um pouquinho diferente mas ainda sente um tempão um certo padrão que a gente conhece nossa

que eu disse o seu esse aqui é um dígito 9 e assim por diante tá então o que essa rede neural que a gente vai estudar aqui nesse vídeo vai tentar fazer é justamente encontrar esse padrão que caracteriza um disto como sendo um disso 51 justo dois ou disso nome gente quiseram né cada um dos 10 os médicos que a gente utiliza tá antes da criação das redes neurais artificiais essa tarefa é muito difícil para computação normal porque porque como a gente pode escrever um indício de muitas formas diferentes como ele vai escrever um algoritmo

de computador que digo olha só isso aqui é um gesto cinco porque se escreve ali um programinha para dizer ó essa figura aqui é o dígito 5 mas se ela tiver um pouquinho diferente assim ainda é o dígito 5 mas ela tiver um pouquinho diferente ainda é um gesto cinco é espelho que mostra todas as possibilidades né de justus em o que existem para que pudesse programa funcionar porque senão ia receber um uma alguém escreveu um dígito 5 né que não está exatamente igual nenhum deus nos pré modelos já programados nesse algoritmo e daí o

problema não é o significado eu não sei que digitei assim não tá de igual nenhum dos que eu já passou aqui então as tarefas é muito complicada para a programação tradicional né que não usa nenhuma técnica de mach lane mas graças à criação de uma senhor das vezes não vai artificiais essa tarefa conversou eu tava até de certa forma trivial que às vezes é mais artificiais hoje elas consegue ter uma performance é superior à humana em algumas áreas específicas então basicamente que a gente vai fazer é fornecer para nossa rede neural uma série de dados

a uma série de dígitos escritos à mão milhares deles de forma que a rede neural vai pegar cada um deles vai encontrar um padrão que caracteriza cada um dos discos de 0 a 9 de forma que se sente introduzir para a federal um novo disco que ela nunca viu ainda uma nova imagem ela vai para identificar olha isso daqui é o visto um daqui é um dígito 3 porque a entendeu que caracteriza cada um desses dias tão ainda não ela vai aprender isso sozinho a gente não vai informar para ela quais são os critérios né

que faz um disco seu disso três nada disso a gente vai só informar os vídeos para ela vai entrar com essa informação as quantidades de dados e ela sozinha vai conseguir aprender a relação desses dados como que ela vai fazer isso é o objetivo desse vídeo tá mas a gente não tem mais detalhes sobre a rede neural enfim é importante entender ao certo como é que a gente faz com que uma imagem se não adianta em uma rede neural eu falando assim um pouco abstrato né mas a gente pode entender isso pensando nos pixels tá

cada imagem ela possui uma quantidade de pizza essa imagem tá aparecendo na tela ela possui 784 pixel está o 784 pontinhos de cor e para entender melhor o que significa eu desenhei aqui 25 pics tá só para vocês entenderem a ideia da coisa então tem cinco pics aqui na vertical e mais 5 pixels na horizontal totalizando aqui 25 pics tá e com essa quantidade de peixes irmã gêmea de cada um esses pixels seja um ponto tá que pode ser preto ou branco tá certo então se o ponto for preto né a hora que alguns um

pênis ou dos ombros então a combinação interessante pode enxergar alguma figura aqui nesse caso é o desenhei o dígito 4 utilizando esses 25 pixel só não tem uma quantidade de pixels aqui é específica que tá sendo tá com a por branca né e os outros pixels ficaram com a cor preta então imagina que eu oi cunhado eu sou uma fora daí se eu tivesse digitalizado poderia ser preciso pedir dessa forma tá então hoje tá preto ela apaixonou foi escrita e a parte onde está escrita tá como branco aqui tá na praia de suspeitos aqui eu

coloquei com preto ou branco mas na verdade eles estão uma escala de cinza tá essa figura que eu mostrei na tela né ela tá na onde 704 pixeis ela tá numa escala de cinza ou seja cada pontinho ali ela pode variar a sua cor entre 0 e 1 a 1 no caso é o branco mais forte né mas claro o pensam mais claro possível e zero seria opção mais escuro possível é o mais pro lado do preto e uma coisa intermediária pode ser um penso meu cinza né e tal então só imaginado combinação gente tem

baiana eles fizeram um a gente vai ter a intensidade do brilho desse pinto você vai ser mais branco ou mais preto tá certo porque eu era uma figura foi mais pixels é a gente consegue ter mais detalhes aqui nesse caso também pouquinho os pixels a gente não consegue dizer muita coisa né fica mais limitado as uvas vão ficar mais o quanto mais pizza a gente tiver mais detalhes a gente vai conseguir ter inclusive a polícia que as televisões hoje as monitoras quanto mais pixels em geral né a qualidade da imagem tende a ser melhor que

eu não tenho uma resolução melhor né outra tecnologia que a gente usa mas é o objetivo aqui não entramos em detalhes mesmo é só entender que tipo de informação que está entrando para rede neural então entender o seguinte a gente vai colocar cada um desses pixels então tem 784 pixels que vão cair três a cada uma dessas imagens certo e cada um essas imagens estão com esse 704 pesquisou servir como entrada tá então é como se fosse pensar assim uma t784 pontinhas tá que tem que vai um vai ficar entre 0 e 1 que vão

servir como entrada para a nossa rede neural tá esse foi reparar aqui nessa figura né é que eu tô mostrando na tela aqui de um disco escrito à mão algumas partes elas têm estão mais claras outras são mais escuras né que não foram escritas e tem uma zona uma penumbra não é meu não é nem tão claro nem todo escuro que às vezes nós vamos fazer um rabisco e ela tu ver que alguma parte aí ficou com mais forte ficou mais fraco então não somente as partes estão bem claras pais estão bem escura são importantes

mas também é importante entender a parte mais tá mais sombreada que não tá tão caro então escura porque às vezes nos contornos né os detalhes da figura são caracterizados também por esses detalhes então por ter 704 tens cada uma dessas imagens é mostrar elas têm uma certa riqueza de detalhes tá certo então vou tirar agora aqui esse padre vou trazer o próximo quadro a gente começar a falar da nossa rede neural então aqui eu desenhei uma rede neural bastante simples que contém somente 10 neurônios tá 10 neurônios de cada um representa um dos dígitos de

0 a 9 por enquanto não se preocupe cortar a pontinha aqui tá quente tá não existe e aqui nesse lado de cá eu coloquei cada um dos nossos pixels de entrada tá então eu sou 784 pics autor de cada que não tem espaço aqui para desenhar todos eles então eu só deixei indicado aqui ó como se tivesse uma linha com todos aqueles pixels de uma imagem então imagina que eu inspirei todos eles na eu posso né horizontalmente e verticalmente eu peguei cada uma das linhas e coloquei uma embaixo da outra ele na coluna única tá

vai verde primeiro pixel até o último então como eu já comentei né cada um desses pixels ele vai ter dos neurônios aqui no caso né eles vão ter um valor que varia entre 0 e 1 tá então esse neurônio aqui por exemplo depois que é um valor de 0,2 esse aqui pode ter um valor de 0,17 esse aqui pode ser 0,93 quanto maior o valor mais branco ele vai ser e pronto minha nora mais escuro tá então ele tem que entender isso daqui cada uma das entradas não é um espaço aqui né de sete anos

oitenta e quatro pontos aqui né de informação de cada um desses pontos vai ter um valor específico que varia entre 0 e 1 tá certo e aqui do outro lado essa linha aqui no caso da nossa rede neural de 10 neurônios cada um desses neurônios aqui também vai ter um valor que varia entre 0 e 1 tá vai ser um final das contas que depois que a rede neural fizer o seu cálculo esse neurônio aqui e o número zero ele vai ter um valor que varia entre 0 e 1 ela também pode ser 0,27 por

exemplo o nenhum também vai ter um valor entre 0 e 1 0,54 por exemplo então cada um vai ter um valor também eu já vou explicar aqui o porquê disso tá mas essa tão vendo informação a gente já sabe então o que que vai ter de uma formação em cada um neurônio nada mais aqui um número que varia entre 0 e 1 ok muito bem então começa a gente namora bastante simples sabe porque a gente vai ter conexões aqui vai ser o seguinte cada um desses neurônios aqui da entrada 1 734 neurônios eles vão se

comunicar com cada um desses outros neurônios aqui nesse caso aqui o desenho aí dá para ficar mais simples as conexões de todos os neurônios com o primeiro neurônio ao neurônio 0 a que representa um pode representar depois um dígito 0 ok então aqui ó para cada conexão de um neurônio com esse daqui tá esse aqui presente conhece que esse aqui eles vão ter um peso associado tá um peso que eu tô chamando aqui em dia w tá certo então aqui ó essa e coraçãozinho com desenho aqui ó aí é uma coisa bastante e mais é

do que o valor de cada um neurônio de entrada por já comentei que varia entre 10 e 11 né então aqui ó é um quer dizer entrada 1 então então não tem um valor pode ser 0,18 sei lá qualquer valor entre zero e um então esse meu nome é que tem um peso aqui é o peso um é o primeiro neurônio esse aqui tem um peso que eu sou uma limpeza dois então o peso dois ele multiplica a entrada dois é o segundo neurônio né por esse peso ó depois eu vou somar com a próxima

entrada tá entrada três vezes o peso 3 depois eu vou tomar a próxima entrada que a entrada quatro né agora número quatro vezes o peso 4 e assim por diante todos eles até o último neurônio lá controlando a entrada ele né que a entrada da 784 vezes o peso né 784 tá e no final dessa conta aqui depois para todas as multiplicações das entradas pelo seu respectivo peso que eu ainda não sei qual é a gostar indicando aqui eu vou somar depois surgiu só mais uma constante tá e o resultado dessa conta aqui vai dar

um valor numérico né provavelmente vai ter um valor pode ser alto né na peso o peso aqueles podem ser positivos ou negativos então que todos os presos aqui podem negativo aqui vai dar uma hora bastante negativo nessa conta são humanos aqui tudo isso aqui mas não rolando bastante negativo e todos os pelos forem positivos mas podem pesos altos né vai dar um valor grande positivo tá o que queria fazer aqui vai ser englobar toda essa conta aqui tá eu vou aplicar uma função e com essa conta aqui que é a função sim olha eu vou

indicar essa função aqui conheci assim não tá mas então é que tá quente eu tô aplicando a função sigmóide tá eu até já fiz um vídeo aqui no canal explicando o que que é a função sim olha eu vou deixar aqui relacionado mas como prometido esse vídeo quente não entra muito na matemática basta entender que a função sigmóide o que ela faz é a partir de uma entrada ela tá libra né o normaliza entre aspas essa entrada para um valor entre 0 e 1 tá então sem entrada é muito negativa ela vai ter um valor

mais próximo de zero e sem entrada é muito positiva muito grande é o quanto maior for esse é um valor em casa essa função é perto de um vai ser a saída tá então assim mais do que ela faz é colocar eu tô nossos dados numa escala eu entre 0 e 1 tá então eu sabendo disso a gente pode ver aqui ó que não importa que tiver aqui dentro né tem que fazer um valor muito grande pois eu tive muito grande né negativo próxima de zero e quem não importa a função seguindo a gente vai

ser aplicada nilce ela vai ter uma saída senão vai dar um valor que eu tenho certeza já sente as aí nesse valor aqui nessa ponta toda né vai ficar porque eu tô pegando assim nós vai ficar eu em 30 e então vamos ensinar aqui que essa soma tá e tudo isso daqui por acaso né de um valor grande positivo que quando eu apliquei assim demora eu vou no próximo de um tão de volante e 0,83 por exemplo tá um só imaginar que os porém quando é muito bem então sente pena essa conta que parece um

neurônio zero tá então multiplicamos todas as entradas cada um pro seu respectivo peso mais uma constante lá e apertando assim de emoji né tô sem memória e saíram um resultado 0.23 o final desse neurônio isso vai ser feito para cada um dos outros neurônios tá então eu fiz com meu número zero aqui mas eu também vou fazer a mesma coisa comer nenhum problema nenhum eu vou ter cada neurônio vai se ligar considerou nenhum esse aqui depois desse depois a mesma forma que a gente fez o nome do zero a gente vai ter como eu nenhum

com outros pesos tá com pesos diferentes por isso que eu indiquei aqui não está dando para ver claramente no vídeo mas daqui eu coloquei w10 ou seja é o davi do neurônio um laço relativo 10 então esse aqui é um é um w esse neurônio um aqui em relação ao esse outro neurônio ele vai ter um outro vai ser um outro peso não vai ter um mesmo que você tá vai ser um outro peso em uma outra variável aqui que eu não vou chamar aquele davi um daqui é a data do neurônio em relação ao

neurônio do disso um tá e depois a gente vai ser o w2 em relação ao neurônio além disso um aqui mais saudável 13 relação a levando gente um encontro aqui é o w2 abril 13 relação de 10 tá então só vai entender que são outros pelos w tá certo então são conexões diferentes então conexões vezes nós em relação a esse outro aqui e por isso tem um outro peso que multiplicar por cada uma dessas dessas entradas aqui em relação a isso neurônio e a mesma coisa você fica para cada um os outros tá eu vou

ter apreensão de se conhece nesse conhece conhece e cada um deles vai se conectar com cada um esses aqui tá então ao fazer isso a gente vai ver aqui o reino do zero fazer essa conta que toda né multiplicando cada um dos pesos que a gente ainda não sabe os valores deles tá não tem se preocupar com isso por enquanto mas mais ano que eles vão ter alguns uma algum valor vai dar um resultado e isso vai acontecer para cada um dos serões a gente vai ter uma conta né que é essa daqui que vai

ser feita e vai nos dar um outro resultado pode ser que o neurônio um aqui por exemplo receber um outro valor né ao fazer essa conta com os pesos neurônio um vezes e todas as entradas tem um valor de 0,15 tá então cada um esses o neurônios de saída tá teve um valor respectivo entre 0 e 1 uma hora o valor desse está vamos dizer que uma hora tem as exatamente s10 pois eram pontos da empresa os outros todos deu um valor menor do que isso daqui e o significa que a gente vai interpretar saída

como a nossa rede neural indicando que o nosso a entrada corresponde a um disco 0 tá então essa primeira a primeira linha sair daqui né meu neurônio aqui ele vai nos dizer olha se esse aqui para um neurônio mais ativado seja mais próximo de um que ele fica aqui a rede neural tá entendendo que a entrada é o dígito 0 tá se por acaso aqui esse nononi aqui por mais ativados vez mais próximo de um quer dizer que a nossa rede neural tá aí dizendo que a entrada aqui que foi colocado né é o disso

um e assim por diante então nossa região ela vai conseguir nos informar se ainda né porque ela é mesmo comentei que a gente tava não usei acha que eu já estudou e acredito sim é dessa forma que ela vai se comunicar com a gente quando eu menos ainda o valor né o mais próximo de um é o que ela está nos informando que que é o disco de entrada né que é aquele valor né a figura que a gente formou aqui a casa agora tem que se informaram entrada ela é o dito circula ela disso

7 tela vai nos informado essa forma ativando né o que é neurônio respectivo ali tá então eu vou fazer essa parte agora pergunta é quem valores cada um desses pesos vai assumir a cada um desses presos w e também o peso b em chama de baias tá que é uma constante aqui é o vier a não sei se decorar isso por enquanto tentam entender a uma constante no final mas toda essa constante aqui no final cobaia como cada um dos pesos né que são as variáveis dessa nossa questão aqui cada uma delas assumir um valor

e a pergunta é aqui na longe cada uma das variáveis vai assumir o comenta aqui para entreter valores positivos pode ser valores negativos podem ser os grandes parecer valores pequenos né então quem falou isso com vocês olha só vão ser valores tais que a rede neural consiga recebeu uma entrada e fazer uma combinação certa de peso vezes a entrada o valor grande aqui ó quando a entrada foi visto zero então imagina que eu digito 0 né vou colocar aqui na tela um dígito 0 não foi reparar tem alguns pixels bem específicos né que estão ativos

né aqui na entrada que estão mais próximos de um e outros pintores pessoas que estão mais próximos de zé e isso vai acontecer para várias imagens o dígito 0 tem que pode mostrar né ele tem um padrão se repete que quase sempre são os mesmos dígitos ou boa parte dos mesmos dígitos é que ficam ativos quando a gente desenha um visto zero ele boa parte dos mesmos dias também ficam inativos e como escuros quando a gente desenha o dígito zero então se essa nossa rede neural tem sabe disso se ela tá bem calibrada pode ser

que por exemplo o disto o pixel né quatro pixel 15 o pixel 127 eu penso 398 pode ser que tem uma quantidade específica de pixels ali né cada um deles costuma estar ativo quando a gente tem um dígito 0 tá ou seja esses dias esses nós temos né que são os neurônios aqui de entrada é o que eu dou um retrato incomum e né então tem alguns deles específicos e quando estiverem próximos de um né significa que o nosso disto é o zero ou seja o ver ônibus saiu da igreja fica mais próximo de um

é esse daqui ó então sempre pegar essas entradas específicas se caracterizam o dígito 0 e colocar um peso grande multiplicando o cada uma dessas entradas aqui e isso pode fazer com que quando eu entrar um lixo zero esse valor aqui vai na grande né porque você pensa do grêmio x as entradas também próximas de um vamos dar um valor grande né e com isso assim que morde aqui vai dar um valor que é próximo de um então esse cara aqui vai ser aquele que vai ser ativado certo então frente de uma calibração bom onde cada

peso que corresponde a aquele pensam de entrada que prova a gente vai estar ativo quando foram dispuseram essa é a rede a qualidade dessa forma significa aqui esse nome aqui 10 vai dar um valor próximo de um no final tá eu fala comigo que eu não posso simplesmente colocar todos os pesos como ter os valores grandes tá porque se eu fizer isso qualquer entrada que eu colocar aqui vai dar um valor próximo de um não fala comigo trem não passa essa letra não deixa 110 tô indo com o texto dois sempre vou ter alguns enlutados

aqui no perguntar para cima de um e vamos explicar pesos grandes então isso aqui você vai rolar grande isso aqui tem vai dar próximo de um tá não é esse eu quero não quero que esses dias tu zero vocês ativado sempre eu quero que ele seja ativado somente comentar o dígito zero então por isso aqui quando tiver as entradas específicas ativa se caracterizam disto zero eu quero que esses pelos grandes a multiplicação em casa tá que tem um mas quando não entrar um dígito 0 aqui e o significa que os valores se não tá ativos

as entradas que nunca próxima de um você outros valores que não tava esperando pelos pequenos tá então pensa nisso agora mas ele a criança não digito três por exemplo tá aumentar o dígito 3 vão ter vários entradas aqui né que vão tá próximas de um mas ela não está multiplicando pelos pequenos aqui ó nessa é falsa o presente que pode usar ela não está multiplicando pelos pequenos porque esses pesos grandes eles multiplicam somente eles pessoas que caracterizam disso 10 tá então essas mensagens aqui que são próximas de um apesar de estarem próximas de um não

tem um valor relativamente alto quando multiplica um peso pequeno dá um número muito baixo e aqueles peso os altos um explicar entradas estão próximas de zero né porque não estão ativos ainda não é hoje eles fizeram aqui então aquelas entradas específicas cara que ele não deixa usar elas não são próximas de um então pode está próxima de zero porque eu não penso ainda que seja grande mas da próxima de zero então isso aqui tudo vai dar um valor baixo ó pequeno ou aí um valor negativo né deve ser alguns pelos pro negativos e com isso

é a saída afinal aquele era para tu me disseram esse nome aqui não vai ser tipo afinal ele não deve ser ativado mesmo senão ela dispuseram-se a outro dia ele tem que dar valor baixo mesmo é preciso ativar das você para outro ativar que seja um neurônio correndo tá então isso aqui é uma primeira ideia aqui pra gente compreender o que é o ato de calibrar uma rede neural calibrar e isso é picada peso x 15 as respectivas entradas que nunca ativas para caracterizar aquele disco específico tá isso vale tanto para o dígito zero como

um neurônio do representa o texto 1 e assim por diante tá talvez aqui você tem um tema que são acentuados porque alguns pelos precisa ser negativo não é só que eu vou fazer com que alguns vistos alguns pelo sejam bem positivos grandes e outros bem próximo de zero para que ter pesos negativos né que os negativos são muito úteis para fazer uma separação entre indícios que são parecidos tá então imagina a gente tem um visto que é o disto quatro tá desenhando dessa forma aqui e a gente tem um dígito 9 desenhados dessa forma aqui

é até uma forma de desenhar o dígito 9 alguns vão colocar aqui um tracinho embaixo mas alguns escrever assim também qualquer pessoa que olhar isso aqui né e ele acha que eu disse o nosso aí esse aqui faça um entender que eu estou quase mas vocês podem parar estão relativamente parecido só se eu fechar essa bolinha aqui ó o merecido destaque já fica muito parecida com gente novos não fala comigo então existe umas é muito grande aqui ó uma imagem aqui né tem fora digitalizar ela olhar os pixels boa parte dos produtos que vão criativos

são os mesmos olha só esse mato aqui né todo ele vai tá ativo todo gesso nobre como justo quatro essa parte aqui debaixo também essa volta aqui também então a gente uma semelhança grande entre esses dois então boa parte dos pesos né vamos ter valores altos vão ser os mesmos um bom fazer você os meus pesos né que não tem alguns meses regiões né não tenho dois grandes aí ela para tentar identificar tão conhecido como esse diz onde é que tá a diferença mais crucial entre esses dois diz tá aqui né nessa parte dele em

cima quando essa voz dizer que estiver ativada né quer dizer que é o micro-ondas serviço9 depois ela não tiver ativar não tinha nada desenhado aqui quer dizer que ele levar você no jeito quatro aí então tem uma diferença clara entre os dois e essa diferença era relativamente sutil né ela tá só um detalhezinho aqui em cima então pode ser muito útil de repente para esse disto aqui ó para esse neurônio né que representa o justo 4 pode ser e fazer com que os pesos que multiplicam as entradas se caracterizam essa partezinha aqui ó espelho negativo

por quê porque beleza imagina que entrou um dígito 9 tá como esse disso nove é muito semelhante a gente quatro os pelos que ativa o dígito 4 motivar aqui também né aquelas entradas juntar-nos a próxima de um vão tá multiplicando pesos grandes né foram colocados grandes fazendo também identificar esse vídeo aqui então a saída deve desse meu nome é que quatro né pensando nessa equação já vai dar valor grande né porque boa parte dos heróis aqui vontade thymus x grande é quando chegar nessa parte aqui ó imagina que entrou um dígito 9 e essa parte

aqui então ela está ativado tá bom quem os pesares poder faça 10 beleza não então tá né porque você não está nas próximas de zero ou multiplicar os pênis lá então ele não vai não vão ativar aqui beleza então esse volante vai ficar limitado né mas enrolando grande mas não vai ser tão grande como se tivesse no caso o dígito 9 aqui né nesse neurônio aqui na hora porque senão na hora que ele vai ativar também e tchau 4 não mas pode ser aqui dependendo do estilo que foi escrito né ele não líderes bem próximos

um ver o dígito 9 aqui né chega no valor de 0,88 e aqui um passo de 0,85 né podem ter trabalho não tem um alarme falso pode ter que esse disto aqui eu resolvi o maior do que esse dependendo de como está escrita como que a pessoa colocou as curvinhas ali pra gente poder ter um problema de um ano e falsos um reconhecimento incorreto onde era para ter reconhecido o dígito 9 ele vai crescendo 4 ou vice-versa então uma forma de evitar eu queria fazer não tem nem essa região aqui ó que diferencie os dois

onde é digito 4 coloca pelos negativos pra cá é como quem diz assim olha só se tiver ativado esta região usei de cima aqui ó eu vou multiplicar esses valores por pesos negativos tá diminui bastante aqui o valor do meu resultado final tá então eu vou que tava grande tá é o valor que tava grande aqui porque boa parte delas já tinha 10 os meses agora que teve essa região ativado aqui ele me explicou do valores negativos só fazer você enrolando doente ah e não dá um alarme falso afinal eu tenho certeza que isso aqui

que eu não tenho uma coisa em cima já não é mais visto pato tá então eu tenho que ir opa identifiquei que eu tava indo pelo caminho errado não é o disso praticar diferencialmente não é então eu vou multiplicação vegetativa só baixar o valor que ela tava grande e com isso evitar que deu um alarme falso e acabei confundindo um gesto quanto então por isso que permite que os pelos sejam não só positivos 10 mas ainda negativos permitam com que eu tenho uma grana validade ainda maior é possível fazer com mais detalhes é uma uma

calibração ele ainda melhor certo então agora que a gente vai entender o que o ato de calibrar cada um dos pesos vai ser muito importante para a rede neural consegui identificar cada um dos discos de entrada aqui para a gente pode ter uma noção de quantas variáveis a gente vai ter que ajustar aqui nessa rede neural né quantos pesos não tem que ser ajustados o valor ideal para que essa rede na alguns seja de fácil identificar cada uma das em casos específicos tá então ele pode ver aqui ó aqui como a gente tem 784 botar

aqui ó ele tem os valores entrada né que vão celular estiver entre 0 e 1 aqui cada um deles vai ter um peso né associada a cada um dos outros neurônios aqui na nossa rede neural então tem 10 neurônios autores onde vai ter 784 aqui peso só relação a resolver esse negócio aqui depois vai ter outros 784 pelos relacionados a esse negócio aqui e assim por diante então ele tem 134 vezes dessa né pesos na vida e depois vai se total de presos os dados dessa nossa rede neural aqui e a gente ainda tem 10

baias né as constantes ver então ele tem mais delas vai armas ali né só tenho somadas que são aquelas constantes finais uma para cada neurônio aqui então autora aqui tem o que isso aqui é 7850 né 7850 vai aves aqui ao todo para ajustar para calibrar nessa rede neural é muito a variável então quem quer pode ver que precisa não na vida fazer isso na mão né eu consegui pelos ali fazer um teste de ver qual é o melhor valor de wdb para cada um dos pelos wb dessa rede neural para conseguir fazer isso aqui

né eu tava comentando conseguir chegar nesse resultado final pois é tudo muito bem aquela entradinha ponto de eu entrar com uma imagem aqui ela identificar tais aqui ó disso seis e assim por diante precisa lembrar 7850 variáveis tá então agora a gente sabe que precisa de um computador para fazer isso né comédia computador já consegui sozinho saber chegar no valor ideal de cada um esses pesos aqui tá cada uma das variáveis como é que a rede neural vai chegar nesses valores ainda entendeu como é que uma rede perfeita funciona como uma rede bem calibrada vai

funcionar mas como ela consegue se calibrar essa pergunta a gente vai responder agora no próximo quadro eu vou colocar aqui bom então aqui eu desenhei somente os neurônios de saída da nossa rede neural tá então por enquanto eu não se preocupa com essa parte de cá tá mas eu vou pagar essas contas aqui é muito mais fácil do que parece uma concentração essa partezinha de aqui que nada mais os 10 neurônios ainda não é um para cada um dos dígitos né que vai sinalizar para gente qual é o dígito o respectivo que entrou é isso

aqui vai a nossa entrada tá aqui o desenho o símbolo dois então analisar primeiro mas ele tá entrando aqui um um disco não é inscrito que é o número 2 e elas aquele negócio então indicar que há esse número dois tá só que a rede neural ela ainda não ta lembrado tá regional a gente a recém começou a treinar ela não posso atender agora tá bem crua ela só tava arquitetura pronta para receber os nossos dados de entrada que são nosso 704 pixels lá é calota figura que eu desenhei tá e aqui foi o primeiro

a sair daquela nos deu porque porque os primeiros pesos dela né então a cada um dos pênis e baias é de toda a rede neural de cada um daquelas mais de 7.000 variáveis vamos ser valores aleatórios tá com uma região ela tá que assim começando ela tá bem é burra ainda um dizer assim né cada um dos pesos dela ela escolheu de forma aleatória tá então como cada um dos pesos foi escolhido de forma aleatória ela o que ao entrar com a primeira imagem aqui no caso vai ser o dígito 2 é pouquíssimo provável que

ela sinalize para gente aqui que é o número dois meses né vamos provar não sei que será próximo de um e todos os outros próximos fizeram né afinal a gente começou aqui sorteando a letra na mente que seria o peso né é de cada um dos as variáveis a nossa rede neural tá é mais provável que seja uma bagunça começa aqui que eu gostei tá bom imaginar que a gente começou a nossa rede neural escolher aleatóriamente amor dos pesos e com isso a gente entrou com a sentadinha aqui tem o número do oi total que

eu falei ele mas ele teve aquela matriz é de certeza que quatro pequenas na entrada passou para nossa rede neural naquela cabecinha no último quadro e agora deu uma saída né tem esses números aleatórios lá de específicos para cada um peso da rede neural ela deu essa saída aqui ó uma saída bem bagunçado olha só aparece a também perdi né o ideal seria aquela tivesse dado certo as costas isso aqui é se ela tivesse perfeitinho para reconhecer o número dois né ia dar um valor um para o número da oi dela todo é fechado completamente

confiante né que a probabilidade é que seja nos dois né tem o número um aqui para provedores dessas duas só não sabem qual que a gente faz os dois ele tem que ser um caso real né mas você saiu foi isso aqui nós vamos usar também perdido olha só ela não sabe aqui que é mesmo até tá achando aqui ó que pelo fazendo que aparece valores né tá dizendo aqui que o esse número é o número 6 ó então número 2 o mais alto que vem aqui fazendo vocês né teve alguns outros que deu valor

alto aqui o número dois meses de um valor baixo também perdido tá eu quero fazer com que esses dados aqui de saída que começaram assim terminei a ciência que ter um caso o ideal então como é que eu faço a saída aqui era assim que transformar nisso quando eu entrar com essa ele dela começa localizar os pesos de tal forma que quando eu entrar com essa entrada de essa resposta em vezes dessa aqui esse é o nosso desafio é isso gente vai tentar resolver aqui então uma forma de fazer isso é o seguinte a gente

pode criar uma função que vai chamar de função de custo tá quê que essa moça e ela vai se tomar todo o erro que essa rede neural teve aqui que é o erro tá tu é o primeiro neurônio sair daqui a 100 que a gente gostaria que tivesse sido a saída entre gostaria que tivesse saído a 0 né para dizer horas aqui é bem provável sair sinistro no entanto deu 0,26 então ela tá uma certa distância tem um erro aqui ó entre 0,60 e diminuir um pelo outro aqui né voltei o tamanho desse erro são

paulo romeiro em quanto mais próximo de 1 maior o erro né que eu queria que fosse ela tá próximo junto a outra grande sim eu creio 3460 está próxima de zero trazer que eu não trabalha assim então posso me disse mesmo diminuindo não tem um outro então é isso eu vou fazer aqui ó função de curso não esquece toma em todos esses mesmos ao quadrado então vou terminar um pelo outro e vou levar essa quadrado para fazer o sinal que ele tem positivo tá então é o processo aqui é bem simples vou pegar por quê

que vai ser aqui a soma de todos os erros vai ser esse erro aqui né é ou seja esse menos esse onde você quiser ajuda 2016 - é não falou que deu eu deveria ser e eu levo em só pagar tá agora vamos tomar com próximo erro que vai ter 0,05 que era o que eu saiu menos o que deveria ser eleva em só quadrado somos com o próximo que era 0,18 menos do que deveria ser tinha um tanto aqui os alunos outros um era só quadrado somos com o próximo e assim eu vou ter

só somar todos esses erros aqui eu vou ter um a minha função de custo né aí eu chamei aqui de custo dois que se refere a um visto dois sabe essa função de custo ela vai dar o custo total é o erro total aqui não é assim da nossa rede neural para essa entrada aqui do justo dois tá então aqui somando aqui todos os valores aqui nesses erros ver um erro de 2,05 vocês o tamanho do erro total aqui para esse caso do estudo os foi de 2,05 ok surfar arrumei o que a gente quer

fazer com que este valor aqui né do meu total seja o menor possível quanto mais próximo de zero né quer dizer que mais acertada tava é mais calibrada ela tá né porque você quer sair dela tivesse exatamente igual a essa ué você vai fazer o custo total será zero né porque quiseram - 000000 a quem tivesse tido um um menos um vai dar era então se estivesse usando a gente igual a esse né não custa umas ideias deram e significaria que a minha está muito bem calibrado tá então o que eu quero fazer eu quero

diminuir esse custo aqui eu não quero que tem uma coisa é eu tinha esteja mais fácil não dizer impossível tá como eu posso diminuir esse curso agora que vem uma estratégia como você pode fazer é recalibrar uma pena certo a gente começou numa loja ali atrás a gente viu não dá muito certo então o que a gente tem que fazer isso a gente começar ajustar esses pesos de forma que a gente vindos aqui nossos então não tem uma primeiro peso tá então isso aqui é função do neurônio dois né que é ensinou daqui eu mando

ele dá só esse nononi aqui por enquanto a gente quer que ele seja um certo então esses neurônios dois ele tá dando um valor baixo mas eu quero que ele deu o valor passando de um né então muito bem aqui a gente tentando uma ar toma né total de todos os pesos a entrada eu posso começar a primeira vez então do mesmo preço aqui como todos os pesos e barras né todos eles começaram groso aleatório mas pode começar aqui eu não sei que ele conversou com o valor de 3.8 tá valor aleatório agora que ele

já sabia que ele tá aqui falando 3.8 a gente pode mudar um pouquinho valor dele vamos ao mesmo tá um pouquinho o dele e três ponto oi para 3.19 tavam dá só esse peso aqui deixa tudo raça constante vamos lá só esse peso que que aconteceu com a função de custo então a gente fala esse cálculo a gente muda um pouquinho valor nesse peso né então eu tava testando coisa é uma vez um pouquinho fazer com 19 e vamos ver o que acontece na função de custo então é o mundo um pouquinho ele agora eu

vou recalcular aqui no caso né quando vai ser o meu custo quando é que vai ser a saída agora para essa entrada dois começou outra diferente o valor do jesus final nesse nome vai ser diferente né então ele vai fazer com que o meu a função de curso de uma forma diferente então eu vou recalcular esse vou ver quanto é que deu agora o valor dessa recursos com a alteraçãozinha feitas desse peso somente então vamo bom então eu estou um pouquinho subir um pouquinho valor desse peso a função de custo diminuiu ó então esse é

um sinal de quem está indo para o caminho certo aí tem que aumentar o valor nesse peso aqui ele é muito pequeno tem que aumentar o mais ele elas opção de curso melhorar a gente tivesse piorado né se eu tivesse mesmo dado um pouquinho valor desse peso e a função de curso essa aumentado juntos pode então quer dizer que eu tô indo tá errado tem que diminuir esse peso aqui na tem que diminuir ele tá muito grande tem que diminuir ele para conseguir diminuição de custos então aqui eu vou tanto verem disse mas é um

teste com esse peso se eu tenho que aumentar ou diminuir tá então eu faço e pezinho dele e é tão lindo esse preto aqui funcionou o valor vai ser ligeiramente superior ou inferior ao valor que tá valendo aí eu vou descobrir o que que foi a versão de construir e vou atualizar ele né para fazer permite a administração de custos só um pouquinho depois eu vou fazer a mesma coisa com o próximo peso vou deixar o resto constante inclusive essa mexer e agora vou mexer só nesse tá e aí esse aqui só mexer um pouquinho

eu tenho que aumentar o diminuir né para eu diminuir um som de custo aí eu vou fazer esse teste para esse outro peso e eu vou lá e tal forma né que eu consigo dormir um pouquinho também a função de custo tá e eles vão fazer para cada um dos textos tá da minha rede neural até que esse custo aqui tem a gente tenha ficado reduzido é o eu terminei de primeira rodada depois eu terminar as minhas rodada e já reduzindo o meu culto quer dizer que agora não é regina não é um pouquinho mais

ficar ligado no tribunal começou aí não sai de alça também já não vai tá ainda dando ele saiu daqui ainda vai ter hoje um curso aqui eu quero pegar 40 mas ainda vai ter um valor aqui vamos ver que depois eu tava todos os pesos né geralmente eu saio do curso de 2.0 sis agora eu tô no curso de 1.92 conseguir reduzir mas aí eu não quero melhorar o canal funciona mais 10 então eu vou repetir o processo vamos lá e atualizar cada um peso de novo mais um pouquinho e assim uma fazendo até que

meu curso de fato tem a chegada próxima de viagem quando eu chegar próximo de venda quer dizer que agora sei colocando-a sentada aqui a minha saída vai dar muito próximo disso já que era eu gostaria tá foi agora vamos passar um pouco se eu fizer isso tá bom imaginar que eu entrego essa entrada aqui né e nós dois só na talita não comentei aqui né você deve ter imaginado que eu comecei no início do vídeo como é que a rede neural sabe que era para ser esta sair daqui e léo tem como ela é no

começo do vídeo aqui a gente vai treinar a rede ou seja vai informar o primeiro vai colocar vários dados para ela de vários dizendo que tinha cada um e a partir disso e ela vai buscar encontrar o padrão de cada um para depois que o informaram disto que ela não viu ainda ela saiba dizer né que aquele dia isto é 012 assim por diante como é que funciona na prática quando entrar que vocês estão aqui o justo dois eu vou dizer para ela olha só esse essa figura aqui que está recebendo né com essas pessoas

aqui ela é o meu dois ou seja a saída sejam que era esta a então eu tô com duas informações uma a entrada ea outra é a saída que é o que eu gostaria eu gostaria que você então a gastar rede neural ela tá na fase de treinamentos agora na passar treinamento ela tem a resposta tem um gabarito ela tem a entrada em um cavalo tá lá ele tá dizendo que é o número dois isso aqui é o gabarito que eu gostaria tá e a entrada é o espírito daqueles 704 tensa né quem te viu

na figura anterior tá então a gente vai fazer isso com os meus dois depois a gente vai fazer isso com cada um vários outros números tá só que você estivesse calibrado ela perfeitamente aqui para o número dois somente sai mas ele está fazendo dois ficou brincando aqui não vai realizações dos pênis até que finalmente a com suas próximos de zero ou seja até que finalmente a nossa saída do terminal tivesse bem carregadinho aqui quando eu entrasse no celular dessa esse resultado pode ser que ela esteja viciada nesse número né vamos falar esse número é da

figura né sabe reconhecer muito bem ela primeira figura que odeia mas que eu dei uma nova figura que é um gente dois um pouquinho diferente desse distro talvez já não deu tão bem calibrado né talvez aqui um pouquinho diferente aqui não vai exatamente igual em seu entrar com outro número ainda com o número 5 por exemplo né quem disse que ela vai dar o resultado certinho por cinco eu sei que ela consegue funcionar muito bem para que assegura mais para as outras ela não terminou ainda então eu acho que não vale a pena né eu

ficar atualizando tô a deus aqui para calibrar para esse valor porque depois vou entrar com outro valor eu vou ter que mudar tudo de novo para ajustar o outro valor e com isso a sua presença e às vezes tão feliz e não vai ficar muito legal isso né então esse processo atende atualizar uma figura de cada vez todos os pesos não parece que vai funcionar muito bem então a melhor da estratégia ceninha eu pegar todas as zonas de entrada e treinar todos os dois ao mesmo tempo ou seja quando eu for atualizar esse peso aqui

o primeiro pesinho lá eu não vou tratar levando só para essa entrada aqui eu volto pra levar para todos vocês eu vou tá carregando na rede neural a todos os resultados ele seria o caso ideal como é que ele poderia fazer isso na prática tem mais a dele assim que você pode utilizar para fazer isso a gente vamos dizer que a gente quer treinar rede neural com 10 mil amostra 10.000 dígitos tá aí pode pegar esses 10 mil bichos e formatou às vezes ao mesmo tempo para que a rede neural cada atualização que elas pasta

e impacta né no impacto no resultado de todos os dez me diz como primeiro a gente vai entrar com primeiro também machucar número dois tá então vez e quem tinha já tô número dois ela vai dar uma saída essa ainda vai tá diferente aquilo que gostaria a gente vai calcular o valor do curso então esse aqui é o curso dos disco 2 na primeira imagem que a gente tá valiant depois a gente vai entrar nessa próxima imagem a nossa próxima imagem pode ser outro dia isto pode ser visto 5 tanto faz essa próxima imagem também

vai ter uma saída aqui também vai ter um custo associado né aí mais um justo seco não teria o valor uma que em todo o resto zero né então ela vai ter um custo associado a gente assim vai ter os valores aqui né que vamos ter que saída eu vou ter um custo e eu posso agora somar esse custo do meu diz tudo isso já calculei com um agora o próximo curso que eu pisco disso cinco então a imagina aqui no próximo curso né o curso do disco 5 nós vamos fazer aqui só para ficar

claro o curso do justo cinco vamos dizer que deu celular 3,5 tá então o custo total a entrar com outro destaque da uece agora é só somar esses dois cursos aqui eu vou ter o custo total dessas duas figuras que eu entrei certo o meu custo total da rede considerando as duas figuras e eu posso fazer isso para todas as 10 mil em maio só tem eu entro com todas as duas de cada vez aguentando com uma e calcula o curso dela e a relativa a imagem depois eu entrei com a próxima imagem cálculo curso

dela e assim uma tem um custo total tava tem um custo aqui final né depois entrar com todas as 10 mil eu vou ter um custo total que vai ser a soma né o somatório somatório de todos os cursos individuais né o somatório todos os cursos aqui eu voltasse os pena né nos cursos individuais e bom então se eu fizer isso e agora se eu for mexer em um dos pesos olha aí que vai acontecer mas ele não calculei agora o curso somando todas entrada tem como um de cada vez e não foi o somatório

final né não custa tava bem grande né só que os comparam pessoal o curso da ver imagem com a segunda aqui o total isso aqui fazer uma bem grande pode dar sei lá umas aquele assim mais cada uma saladinha grandeza pode ser um valor de 30000 aqui né o curso total aqui na minha rede deu 30 aninho 527 vamos ver que deu em você vai botar o custo total falando todas elas vão entrar está no caso hipotético aqui então agora eu vou fazer eu vou fazer a mesma estratégia quem estava fazendo antes que alterar a

cada um esses pesos um de cada vez só que agora eu vou ao mexer um pouquinho nesse mesmo peso né aumentando um pouquinho valor dele por exemplo eu vou ver que que isso impactam no custo total ou seja eu vou ter a um pouquinho esse peso e agora eu vou calcular o custo total de novo eu muda um pouquinho só se calcula o custo total seja faço todas as imagens de novo e daí eu vejo aqui que isso mexeu em alguns total diminuiu o meu todo ah tá então quer dizer que eu posso aumentar um

pouquinho o juninho porque hoje você peso agora faça a mesma coisa com o outro peso muda um pouquinho falando ele passe todas as imagens de novo ver se o custo total aumentou ou diminuiu dessa forma eu vou tacar lembrando os pesos da rede neural só que para todos os casos ao mesmo tempo não vou dar vivenciando na rede neural para uma imagem só eu vou estar ajustando os pelos para todas as imagens de maneira que quando eu tiver mexendo nesses peso aqui eu vou estar corrigindo né agitar o sangue da cada hora da saída eu

tava ouvindo cada uma das saídas dela individuais ao mesmo tempo que eu tô vendo uns total dela então a idade ganhou o curso né a minha função de custo total mexer aqui ó lado de cá chamar escuro total vai ser o somatório nos erros ao quadrado né para todas as entradas então somatória aqui para todas as entradas eu vou chamar atingir pode ter dinheiro né de entrada para cada uma das entre é o somatório de todas elas tomando os erros de cada uma das saídas aqui então isso tudo somatória vai ser na função de custo

tá mascaram-se trocar a única salvação aqui o outro no próximo vídeo eu vou mergulhar um pouco mais a parte matemática inclusive pode ficar aparecendo aqui um trabalho meio penoso demais tem que ajustar um pezinho tão engraçado em 7 mil pesos aqui nessa rede neural tomar em geral os tempos né tem 7 mil pesos eu vou mexer um vezes eu vou ter que recalcular agora o custo para cada uma centradas não tá com todas as entradas somar todos os cursos né é um trabalho muito grande na realidade tem um artifício matemático a gente não vai de

fato calcular o custo de novo cada uma das vezes a gente vai usar o conceito de derivada aqui para tentar estimular para que lado que eu tenho que ir alterar esse pelos é pra cima ou para baixo a gente mais uma força de gradiente descendente isso vai acelerar um pouco o processo mas esse é um assunto inter no outro vídeo no vídeo que eu vou abordar mais a parte de matemática da coisa aqui eu tô aguardando só a parte intuitiva então é suficiente entendendo essa forma tem um deixa está correto pelos assim né é como

e mexendo um pouquinho peso você vai tá mexendo no curso total que ele passa aí você tá acontecendo por baixo dos homens no fim das contas então eu até mais que isso acontece mesmo cara vez que eu mexi nos mesmos o custo total aumenta ou diminui eu quero a diminuir seu custo total então eu vou calibrar o peso da minha região oral para fazer um filme o curso total fecho mais próximo de zero é possível é cada que se fosse total não vai ser zero absoluto é muito pouco provável que desenhar absoluto vai chegar algum

momento que eu tô localização que ela estava ser a melhor possível depois que eu mexo continue mexendo os pesos e não não consigo diminuir mais oposto cada alteração que eu faço curso só aumento então quer dizer que eu tô é o mais calibrado por cima né aquela estrutura daquela arquitetura de rede neural consegue né para essas entradas aí quem está fornecendo tá mas tem gente por nessa delas me trás e os coisas conseguiria ficar bem calibrado de maneira que a gente entra comendo cada e ele nos viu uma boa precisão qual disto que é e

o significa nossa que legal tá funcionando né e isso é muito interessante porque aí faca o que é padrões a está calibrando peso é tudo uma questão de calibrar peso né dá para entender isso bem claro aqui não tô nesse vídeo eu tô dando calibrar pneus e eu fazer isso a gente tá conseguindo reconhecer os padrões né na prática nesse aqui o nesses peso então eu entrar agora com uma nova imagem que a gente nunca viu então agora vamos voltar o gabarito eu vou só tem uma imagem que a regina ela não sabe a resposta

mas quando eu entrar com essa imagem ela vai dar uma saída bem com o valor aquela mais organizar que a saída correto tiver mais próximo de um provavelmente vai ser que nem falou certo mesmo que que aquele que a gente esperava que fosse né então eu isso é a etapa de teste então a gente entrou com as 10 mil fez aquele treinar com isso fez várias operações para calibrar os pesos muitos muitos operações para equilibrar os pesos agora não chegou no ponto ideal que não tava namorando o custo é a tá pronta tá treinada já

agora não pode o testar para ver se ela tá boa mesmo seja mais um atestado até o outro lá sei lá duas ver imagens né que a rede neural ainda não viu você é mais diferente daquela de treinamento e a resposta mas eu não vou informar a resposta para rede neural então eu coloco as entradas e eu confiro qual é a previsão que a gente ela tá fazendo com a resposta que era para ser a adequada e veja se dá certo ou não daí eu vejo qual é a eficácia dela né pai a performance dela

se ela consegue acertar por exemplo 90 porque no caso né atrás então nós vamos fazer mais corretamente então isso tem um sinal de que ela tá já uma região alguém boa né então até aqui meus parabéns que você viu acompanhar a aula já entendeu muito bem como é que é a essência por trás de uma rede neural artificial só que até agora eu mostrei uma regenerar o bem simplificado ela só tinha uma camada de neurônios né que eram os próprios neurônios e sair era a mulher mais fácil explicar na partida é às vezes mais tem

mais de uma camada então eu vou mostrar aqui agora um exemplo com mais uma camada né que a gente começa entrar agora no jogo do bicho lane porque biplane seu camaro é seria um aprendizado profundo você tem muitas camadas e é por é por causa dessa quantidade de camadas a gente diz que organizado profundo né tem muitas camadas então a como é que seria esse caso de uma vez é mais uma camada tá com você tem muito parecendo que a gente viu aqui porque agora a gente vai estender um pouco mais por isso eu vou

usar outro para aqui então aqui o desenho agora uma rede neural um pouco maior que ela tem não somente aquela camada de entrada e a gente saída mas também tem camadas intermediário tá se você acompanhar aula até aqui não desista lá e tá quase no finalzinho é o gran finale aqui para comprar noção de fato entendeu isso daqui pode dizer aí que entendeu de fato conselho the deep lane tá então vale a pena a gente continuar e cara para dizer em bem essa informação e recomendo até assistir esse vídeo mais uma vez salvo esse vídeo

aí né juntos aos favoritos para ver mais uma vez e pensar a respeito de tudo isso que eu falei aqui é o nome desse vídeo na tradução ver bem essa informação então vamos finalizar aqui ó considerando que essa primeira parte aqui já sabe ó essa aqui são aqueles 704 neurologia entrada né cada um deles é um pixon e aqui ela sair a gente também conhece tão delas é o ônibus sair da cada um referente mas hoje z né se sim qual dizendo que é a nossa entrar então aqui a nossa vida a resposta e aqui

a nossa entrada esse violão dos intermediários aqui ó eu coloquei 30 neurônios aqui na primeira camada oculta e aqui outro 30 de neurônios na segunda camada oculta tá como assim acabar com o culto porque ele chama de oculta porque é uma camada que não tá não é nem entrada e nem a saindo então toda aquelas camadas que não forem a camada de entrada nem é de saída então canais alguns elas são um meio do caminho tá e o nome eu conto também é porque a informação de cada um dos neurônios ele não é uma informação

muito clara não diz muita coisa para gente porque a entrada ele sabia que significa a gente prende bem que o significado de cada um soro de entrada nada mais é do que o a intensidade né do do pixel é o pixel se ele tá próximo de zero ou de um então esse valor aqui próximo 01 mas nada mais do que o pão branco ou pão até um pizza tá então só quem sabe bem o significado e a saída também está vendo estava em quanto mais próximo de 1 para cada neurônio que ele tem que mais

confiante a rede neural está dia que aquele disto de entrada seja aquele deu no respectivo aqui né então o significado da saída e conhece bem o significado de cada um dos melhores entradas já o significado dos neurônios intermediários aqui que também vão assumir valores entre 0 e 1 para a gente vai tá usando a função seguindo ali para todos eles né então eu também não sei valorizar um mas o valor específico de cada um deles não vai ter um significado muito claro para nós nesse momento pensei que tinha gente dica malucos tá então vamos ver

o que tá acontecendo aqui nesse caso e o que que tem de diferente desse caso por caso anterior eu tentei aqui desenhar tá cara não desenhei todas as combinações possíveis mas eu tentei mostrar aqui que cada um dos neurônios eles se comunicam todos os neurônios da passe uma camada da mesma forma acontecer naquele caso inicial né pra gente é só uma camada lá que era para dar uma saída então aqui é a mesma coisa cada um neurônio ele vai se comunicar com todos os neurônios ao trabalho então esse nome aqui ele tem um peso associado

a esse aqui tem outro peso se a dá esse outro peso se ela é esse e assim por diante com cada um dos 30 peso dessa camada oculto s 11 no horário de entrada também ele tem um peso para cada um dos 30 neurônios acabar o tempo já estou sem 784 pelos tem neurônios entrada tem um pelo associado a cada uma se nós vamos aqui ok e a mesma coisa acontece em relação a essa camada é essa eu vou ter um peso aqui vai multiplicar o resultado desse neurônio aí vai ser um valor que varia

entre 0 e 1 mesma forma que a gente já viu né tudo muito igual muito parecido só que aqui dessa vez esse novex comentando com outro não olha aqui dentro da lado então esse cara aqui vai ter um peso do ceará esse neurônio vai ter outro peso que era esse neurônio e assim por diante o cada um desses outros 30 neurônios aqui tá então todo esse aqui se associam com todos esses daqui a uma rede neural chamada de rede neural bença né porque dessa porque todos os neurônios estão conectados né uns aos outros ok e

a mesma coisa acontece aqui com o trabalho de saída né aquela a última camada oculta aqui nesse caso é a segunda camada com ela tem pelo associado a todas as melhores ainda até aqui então aqui nesse caso ele tem muito mais peso muito mais variáveis porque ela aquela nota na moral quem fosse calcular a quem quantas variadas a gente tem agora mas tem 64 aqui ó vezes 30 pesos então aqui ó 64 vezes 30 mais 30 tem 30 constantes bem aqui no trabalho então ao todo 134 - 30 mais 30 isso aqui é só quantidade

de peso da primeira conexão depois a gente vai ter mais 30 vezes 30 mais 30 né tem 30 bairros mais 30 vezes 30 pesos w fora essa outra conexão aqui e depois mais 30 vezes delas né mas dessas várias que são essas outras conexões aqui então ao todos os três fóruns são a tudo né todas as variáveis tem que tem aqui nessa rede neural a gente vai chegar no valor de aproximadamente aí vem 5.000 variáveis para gente ajustar então são muito mais variáveis aquela outra rede neural mais simples né que apenas uma camada qual os

melões de saída elas têm muito mais peso né constantes aí para gente ficar lembrar né a neural aí vamos dar uma olhadinha agora o que cada neurônio vai receber como é que fica aí passando de cada um dos neurônios né a gente já viu que na rede neural interior os leões e saída né eles eram calculados a partir de um dar o valor de entrada que me explicar vão peso né cada um valores de entrada onde ficavam presos falava tudo isso aquela constante e daí esse aí o resultado dessa saída aqui nessa região ela vai

exatamente a mesma coisa aqui ó vou olhar o preço a primeira camada oculta aqui ó cada um esses neurônios eu coloquei aqui o neurônios tem um ou seja neurônios da camada oculta um primeira camada oculta ó aqui é o chamado conta um cada um esses neurônios vai ser resultado os valores de entrada tá esse valor de entrada vezes o peso w mas esse valor de entrada mesmo peso davi mas esse hoje não tá me avisa pelo zap tá então na mesma forma que no caso anterior a gente vai ter que um somatório de todas as

entradas neve até elas estão aqui vejo seus respectivos pesos w da entrada então tem um e zinho aqui para indicar que tá nessa região aqui ó são esses pesos aqui nós temos a entrada né em constante lá no final então esses neurônios aqui todo você causa dessa forma tá comendo chiadinho tá ficando não consegui mais isso tudo para que o valor fica entre 01 e eu já e quando eu chegar na camada 2 tá usando da camada dois aqui ó cada um deles vai ser calculado com base no que não valoroso neurônios da camada um

toma vai ficar aqui ó meu olho na camada um vezes um peso tá relativa aqui essa camada um tá mas o meu outro neurônios da camada ontem um segundo neurônio vezes ele tem outro peso mais esse outro neurônio vezes outro peso mas esse outro não lembro outro peso até todos esses neurônios aqui né dessa camada multiplicar as respectivas pelos tomar uma constante no final então aqui é o neurônios da camada um né que também são valores que vão variar entre 0 e 1 é muito mas tudo começou essa camada aqui agora em vez está falando

aqui você falando aqui agora vejo seus pênis essa constante aqui relativos a camada um tá e apertando assim de nós então reparar diferença aqui do carro dos neurônios da camada um o seu nome da camada dois a camada um se baseia nos valores das entradas veja os seus peso se encontra acamada dois se fazendo zonas da camada um aqui vendo seus pesos tá e depois a gente ainda assim os anões acabar de saída né mas não tão acabado de sair daqui uns dependendo do que os neurônios da camada dois não tá aqui olha a cabana

2 vezes e os respectivos pesos aqui da camada dois né mas a constante aqui da cama na dois lá que eu senti b tá então nós também que eles cultura do carro que a gente viu lá para ela regenerar o bem simples né é exatamente a mesma estrutura aqui você já quem tem muito mais camadas então na realidade mas tem uma dependência a gente fica na camada da acabar anterior tá é basicamente isso ao todo com isso aí ficou com muito mais variáveis aqui é muito mais combinações a gente pode fazer tá então a gente

tem aqui as combinações esses pesos aqui vou impactar os resultados dessa olha aqui que por sua vez não tem valores foi o parque da camada aqui e assim por diante então por isso que você tem 25 mil aproximadamente aí valores para ajustar neste outro caso e na prática então depois está cansando acertar entende a estrutura muito semelhante tal só que porque qual é a vantagem é que você tem que ter as variáveis aqui nessa rede neural será que será que será o que ela é melhor que aquela outra que general aparentemente pode parecer que sim

ela tá mais complexo tem mais informações mas como na prática ela consegue ser melhores que ela consegue ser melhor porque que ela consegue ser melhor do que a outra tá eu gosto de pensar assim ó a primeira vez ele pode ser conhecer muito mais valores para ajustar a gente pode ter uma ideia com isso não é de que a gente vai conseguir ter uma precisão um pouco melhor né tem um pouco mais de valores para ajustar para conseguir ter um ajuste de talvez aquela outra vez lá eu não comecei que talvez que cheguei num ponto

aqui que não consigo mais melhorar o nosso curso não consigo abaixar mais o nosso curso lá talvez ele no limite o limite da isso tudo aquela regina não agora aquela aquele que a gente pegar uma rede um pouco mais complexa que tenha mais valores para se ajustar talvez a gente consiga fazer que não tinha um curso total seja seja não né porque foi mais longe para calibrar além de maneira a gente consiga diminuir ainda mais o nosso curso de fazer a regina não fica mais precisa ainda tá trazendo a primeira coisa saber o que a

gente pode ter e a gente pode interpretar isso é assim gente forma tá eu gosto de pensar o seguinte ó m e o valor de entrada né uma imagem de entrada que vai ser um número 8 tá então vou desenhar aqui do lado eu entendo que a gente vai receber o valor oito tá o dígito oito nisso oito pode ser algo semelhante daqui tá quando a gente a imagem de entrada foram disso oito naquela rede neural inicial lá que eu mostrei antes é mais simples eu expliquei aqui né alguns picos não ficar mais ativos do

que outros né com isso aqueles peso crescente podem ter valores grandes para ajudar a identificar aquele dia em que tudo mais você vem aqui conhecer uma rede neural muito maior a gente pode pensar o seguinte a gente pode fragmentar esse valor aqui esse disco 8 em vários pequenos pedaços tá então isso pode fragmentar-se por exemplo esses 18 e pequeno os pedacinhos aqui ó tem uns pedacinhos né que vão compor o gestor isso tanto na parte de cima dele aqui como na parte de baixo da manhã ele tem valor do simulado foi fragmentado e agora aqui

ó cada neurônio tá antes eu só tinha esses ações aqui de saída né ela só entrada não tinha essa parte aqui a raça pode sair tão cara deu nome já era responsável por dizer se ele tem que divertir vácuo deixa 10 ou disso um né era só o que tinha agora ou seja tava interessado em ativar o dia inteiro agora que tem mais camadas pode ser que é né essa primeira camada aqui ó ela pode estar cada neurônio a identificando uma pequena fração nesse nesse dia está aqui ó em vez de cada neurônio na nossa

região ela tá interessa também identificar já qual é o destino correto agora esse nome aqui ó ele vai estar olhando só para esse pedacinho aqui ó imagina aparecendo na tela aqui ó esse neurônio aqui ó tá identificando só esse pedacinho aqui esse outro neurônio aí a gente ficando esse outro pedacinho aqui ó esse aqui tem identificando esse outro pedacinho tá e quando eu digo identificando imagina que ele ta observando assim ó ser essa parte que tá ativa ou não tá então ele tá ele tá calibrando os pesos né o seu de respeito respectivos pesos aqui

e baias né e já só toda a entrada mas ele tá olhando o só um pequeno trechinho aqui só uma pequena parte zinho né para ver se e esse tive ativa aquela região uzinha ele vai ativado aí vai dar um valor próximo de um senão ele não vai ativar e cada vocês hoje vou estar responsável por identificar uma dessas partes aqui nesse valor do justo oito tá e pronto lá nessa outra parte aqui ó dessa a outra camada ela vai tá olhando um macroblocos então ela vai enxergar o seguinte ó ela vai enxergar esse nononi

aqui por exemplo ele pode estar enxergando aqui nem viu esse negócio ativo então tem uma partezinha esse outro ativo ou então de volta partezinha esse outro tipo aí ele viu que sei lá que foram vou por exemplo uma bola assim ó e eles vão pode ativações desses caras que dessa camada e com isso ele consegue identificar que tem uma bola então esse nome aqui vai ficar você tem ou não essa primeira bola aqui ó que identificou civil ver essa mala com essa agora existe ele vai ativar senão não é mesma coisa os outros neurônios vamos

ver que ele se levante vó porque viu uma bola bola superior na parte de cima e tem outra ver o negativo alguém viu uma bola superior na parte de baixo que seria essa outra parte aqui né então esses neurônios agora de saída o trabalho deles é o seguinte nós vamos ver o pai esse número aqui que tem uma boa superior com esse a gente tem na borda inferior se junto os dois dá o número 8 então vai ativar esse número aqui que é o número 8 tá então agora esse nononi saída enquanto um antes né

aquela rede neural e assim que foi todo o trabalho que a gente fica tudo agora trabalho decisões aqui você verificar né só vão uniparts marcos que já foram ajustados né por outras partes menores ainda então esse aqui esses casos aqui nesse nos foram responsáveis por partes bem pequenos cada um esse aqui o mil as partes que esse daqui já tinha o quê oi e esse daqui é um acredita que já tinham feito então começou com uma parte pequena eles aqui conseguindo ver uma lá na realidade um pouco maior né conseguiu juntar aqui várias partes pequenas

por humor parte um pouco maior e esse aqui juntou essas partes mais largas para formar de fatos jeans né então imagina aqui o dígito 9 né por exemplo teria uma bola e ensino superior e um laço né na parte inferior então tem que juntar aqui um desses neurônios ativo ou porque viu essa voz superior o outro ativo ou porque viu um astro aí então agora a gente vai daquele que identificou essas dois padrões então o trabalho de cada uma das camadas você começa aqui de casa em vez de ter que dar tudo trabalho com uma

camada só fazer tudo a identificar todos os padrões agora cada camada vai vai ser responsável por identificar um padrão diferente essa ilustração que eu tô fazendo aqui não é necessariamente o que de fato às vezes não tá prendendo é até a forma como talvez um ser humano a identificar se né mas é claro que a rede neural a trabalha de uma forma que inclusive é muito difícil de compreender o que que ela tá fazendo aqui é considerado um modelo de caixa preta nas redes neurais porque a gente não o meu olho entendeu o que que

ele tá fazendo não consegue visualizar isso daqui dentro da rede neural na prática né que são só um monte de números eles soltos é difícil de compreender o que significa mas na parte dos resultados funciona né porque a matemática dar certo mas a forma a gente compreendesse eu gosto de usar essa forma porque fica bastante intuitivo tá então é pensando assim se pode ver que a gente consegue uma precisão na hora com essa rede neural não é por acaso é pra gente deu uma tarefa de estudo dividiu as tarefas e cada camada que foi encarregado

de uma tarefa panela mais específica e com isso ela consegue ter uma grande variedade muito grande né ser bem detalhista né cada melãozinho tá responsável por uma fração específica ainda consegue ter uma precisão melhor ali para cada detalhe tá aí com isso a gente consegue ter quanto mais profunda a nossa rede neural né a gente começa a entrar no ramo do bipolar né são camadas profundas quanto mais canazzi mais neurônios e cada camada mais precisão a gente consegue ter né interior mesmo claro que e não isso não tende ao infinito tem um neném está mas

eu não esse vídeo é muito bom eu falo vídeo só né mas as corretoras as duas podem deve entrar agora surgindo mas o mais importante com esse vídeo aqui é como vemos a toda essa informação e entender a figura a máquina da coisa entendeu o print das redes neurais tá entendi é um conceito completo de como funciona esse é o fim e depois agora a gente pode começar a entregar para os detalhes né para entender de fato acontecer cidade que tipo de configuração são melhores para casar cenário até quando ele pode melhorar a performance de

uma rede neural quantos milhões pelo quantas camadas tudo isso né a gente vai analisando em outras aulas né recomendo quem não conhece o nosso cerveja aqui na descrição do vídeo tem vários cursos and the machine olhando desde o princípio até assuntos mais avançados e aqui então para fazer um resumo aqui desse nesse vídeo né é o mais importante é entender que uma rede neural né ela procura padrões a partir das entradas que a gente encontra tem hora que a gente quanto mais variáveis a gente tiver ou seja mais neurônios e mais camadas e parece que

a gente vai conseguir ter na identificação de seus padrões né e é claro que a gente tem mais de uma arquitetura de rede neural aqui está vendo só a reginaldo deusa né que aquela também mais básicas a estrutura mais básica de rede neural tá certo então então tenham gostado desse vídeo se inscreva no canal a gente não conhecia é uma didática tec porque foi muito conteúdo bacana aí para fornecer para vocês a gente vai tá aí enviando novos vídeos novos cursos aqui tem ligados com a gente ele se beijarem próximas aulas até mais [Música]