Este repositório será utilizado durante a disciplina de Redes Neurais e Algoritmos Genéticos ministrada pelo professor Daniel Cassar no Bacharelado em Ciência e Tecnologia da Ilum Escola de Ciência.
Inicialmente, a disciplina abordará os conceitos de Algoritmos Genéticos, que nada mais fazem do que resolver e otimizar problemas, utilizando ideias que partiram da biologia, nesse caso, darwinistas. Para isso, uma maneira mais fácil de compreender esta metologia é buscar quais são os indivíduos que formarão o conjunto de possíveis soluções para o problema, conjunto esse chamado de população. Seguindo com a analogia biológica, são implementadas operações de seleção, cruzamento e mutação que, assim como na biologia, propiciam a variabilidade e a propagação dos individuos mais viáveis.
Quanto às Redes Neurais, são muito utilizadas para a classificação de dados, ou seja, para o treinamento. A descrição de algoritmos de Redes Neurais será melhor desenvolvida conforme o assunto for abordado, portanto, aguarde! :)
Nesta disciplina, os conceitos de Algoritmos Genéticos e Redes Neurais são explicados por meio da resolução de problemas, aqui chamados de experimentos. Os experimentos e os códigos são desenvolvido em sala de aula, em conjunto com o professor e todos os outros alunos, de modo a priorizar a discussão para queca melhor forma possível de resolver a proposta seja encontrada. Dessa forma, cada experimento introduz um conceito novo que pode vir a ser aplicado para melhorar o desempenho do algoritmo. Em alguns momentos da disciplina, temos a chance escolher um experimento diferente dos realizados pelos outros estudantes e, nesse caso, a construção do algoritmo dá-se inteiramente pelo aluno (com suporte, caso seja necessário, é claro!).
O conteúdo deste repositório encontra-se separado em duas pastas:
AlgoritmosGeneticos:possui todos os experimentos realizados até o momento em notebooks do tipo .ipynb, além de arquivos .py que armazenam constante, funções e classes.
RedesNeurais: atualmente, possui apenas arquivos .py para constantes, funções e classes, mas será atualizado com os experimentos assim que esse conteúdo for abordado.
Wirsansky, E. Hands-on genetic algorithms with Python: Applying genetic algorithms to solve real-world deep learning and artificial intelligence problems. 2020.