/inteligencia-artificial-javascript

Algoritmos desenvolvido no curso de Inteligencia Artificial da Udemy com o Tutor Ben-Hur totalmente em JavaScript

Primary LanguageJavaScript

inteligencia-artificial-javascript

Algoritmos desenvolvido no curso de Inteligencia Artificial da Udemy com o Tutor Ben-Hur totalmente em JavaScript

1 - Rede Neural Feedforward

Algoritmo Rede Neural Feedforward Leia mais...

Rede neural Feedforward, também conhecida como rede neural de alimentação direta ou rede neural de camada única, é um tipo simples de rede neural artificial em que os sinais fluem apenas em uma direção, da camada de entrada para a camada de saída. Essa rede é composta por uma sequência de camadas de neurônios interconectados, onde cada neurônio em uma camada está conectado a todos os neurônios na camada seguinte.

💤Estrutura de um neurônio natural

enter image description here

💤Estrutura de um neurônio Artificial

enter image description here ❤️ Pesos 💚 Função Somatória 💛 Função de Ativação

🔥Aplicação:

🏃 Previsão de séries temporais: Redes neurais feedforward podem ser usadas para prever valores futuros em séries temporais. Por exemplo, elas podem ser usadas para prever o preço de uma ação com base em dados históricos de preços.

🏃 Reconhecimento de fala: Redes neurais feedforward também são aplicadas no campo de reconhecimento de fala. Elas podem ser treinadas para reconhecer palavras ou frases com base em padrões de áudio.

🏃 Processamento de linguagem natural: Redes neurais feedforward são usadas em várias tarefas de processamento de linguagem natural, como classificação de sentimentos, tradução automática e geração de texto.

🏃 Detecção de anomalias: Redes neurais feedforward podem ser usadas para detectar anomalias em dados. Por exemplo, elas podem ser usadas para identificar transações fraudulentas em sistemas de detecção de fraudes.

🏃 Sistemas de recomendação: Redes neurais feedforward são usadas em sistemas de recomendação para fornecer sugestões personalizadas aos usuários com base em seus históricos e preferências.

🏃 2 - Função de Ativação

Função de Ativação Leia Mais..

O processamento em cada neurônio se dá pelo que chamamos de função de ativação. A escolha das funções de ativação de uma rede neural são uma consideração importante uma vez que definem como devem ser seus dados de entrada.

🚀 Tipos de Funções🚀

🐾 Binary Step Function 🐾 Função Linear 🐾 Sigmóide 🐾 Tanh 🐾 ReLu 🐾 Leaky ReLu 🐾 Softmax Continue...

🏃3 - Regressão Linear

Regressão Linear A regressão linear é um método estatístico utilizado para modelar a relação entre uma variável dependente (ou resposta) e uma ou mais variáveis independentes (ou preditoras). É uma das técnicas mais simples e amplamente utilizadas na análise de dados e no campo da econometria e utilizada para reconhecer padrões.

🏃 4 - Regrassão Linear Multivariada

Regressão Linear Multivariada A regressão multivariada é uma coleção de técnicas estatísticas que constroem modelos que descrevam de maneira razoável relações entre várias variáveis explicativas de um determinado processo. A diferença entre a regressão linear simples e a multivariada é que nesta são tratadas duas ou mais variáveis explicativas.

🏃 5 - Naive Bayes Probabilistico

O algoritmo Naive Bayes é um classificador probabilístico baseado no teorema de Bayes. Ele usa a probabilidade condicional para fazer previsões de classe com base nas características dos dados. A versão clássica do Naive Bayes é frequentemente aplicada a dados discretos, como textos, onde as características são tratadas como variáveis binárias (por exemplo, a presença ou ausência de uma palavra).

🏃 6 - Naive Bayes Classificativo

🏃 7 - K-Nearest Neighbors

🏃 8 - Clusterização K-Means

🏃 9 - Aprendizado por Reforço

🏃 10 - Árvore de Decisão

🏃 11 - Rede Neural Perceptron

🏃 12 - Estatística com Mathjs

🏃 13 - Rede Neural Artificial com Mathjs

🏃 14 - Manipulação de Arquivos CSV

🏃 15 - Aprendizado de Maquina utilizando Bootstrap no Front-End

🏃 16 - Plotagem de dados Usando o Plotly

Grafico de Barras

Grafico de Linha

Grafico de Pontos

🏃 17 - Redes Neurais Artificiais

🏃 18 - Aprendizado Supervisionado

🏃 19 - Aprendizado Autonomo

🏃 20 - Processamento de Linguagem Natual

🏃 21 - Visão Computacional

🏃 22 - Maquina de Vetores de Suporte

🏃 23 - Regressão Logistica

🏃 24 - Regressão Polinomial

🏃 25 - Regressão Linear Multivariável

🏃 26 - Analise Classificativa

🏃 27 - Analise Regressiva

🏃 28 - Agrupamento

🏃 29 - Analise Preditiva

🏃 30 - Redes Neurais Recorrentes

🏃 31 - Deep Learning

🏃 32 - Exemplos Práticos

🏃 33 - Conclusão