Este projeto tem como objetivo classificar imagens do conjunto de dados Fashion MNIST usando uma rede neural construída com Keras e TensorFlow. O conjunto de dados contém 60.000 imagens de treinamento e 10.000 imagens de teste, cada uma com 28x28 pixels. As imagens representam 10 diferentes categorias de itens de vestuário.
O conjunto de dados Fashion MNIST é uma coleção de imagens em escala de cinza de itens de vestuário. Cada imagem tem o tamanho de 28x28 pixels, e existem 10 classes diferentes:
- Camiseta
- Calça
- Pulôver
- Vestido
- Casaco
- Sandália
- Camisa
- Tênis
- Bolsa
- Bota
- Carregamento e Exploração do Conjunto de Dados
- Visualização dos Dados
- Normalização dos Dados
- Construção do Modelo
- Treinamento do Modelo
- Avaliação e Melhoria do Modelo
- Salvamento e Carregamento do Modelo
- Avaliação Final
O modelo final alcançou uma precisão de aproximadamente 83,24% no conjunto de teste, indicando um desempenho razoavelmente bom para esta rede neural simples.
Este projeto demonstra o processo de construção, treinamento e avaliação de uma rede neural para classificação de imagens usando o conjunto de dados Fashion MNIST. Embora o modelo apresente um desempenho decente, melhorias adicionais podem ser feitas experimentando diferentes arquiteturas, hiperparâmetros e técnicas de regularização para reduzir o sobreajuste e/ou melhorar a precisão.