Este repositório do GitHub é destinado aos experimentos realizados por mim, discente Vitória Yumi Uetuki Nicoleti 👩🏻💻, para a disciplina de Redes Neurais e Algoritmos Genéticos, ministrada pelo Professor Doutor Daniel Roberto Cassar (@drcassar)) na Ilum Escola de Ciência.
🤔💭 Mas quem sou eu, afinal?
Caso queira saber mais sobre mim, acesse aqui meu perfil do GitHub e fique à vontade para ter mais informações e acessar aos meus outros repositórios 😊.
Antes de tudo, não podemos prosseguir sem uma contextualização nem sem entender melhor o que são redes neurais e algoritmos genéticos, né?
Atualmente, na nossa sociedade, há uma crescente busca por resoluções de problemas utilizando das poderosas ferramentas computacionais que estão cada dia mais presentes em nosso cotidiano e se aprimorando mais e mais, em especial no quesito eficiência, tempo e otimização, fatores que se mostram imprescindíveis para nosso modo de vida na contemporaneidade.Nesse sentido, podemos pensar no desenvolvimento e uso de algoritmos genéticos e redes neurais.
Neste curso, vamos iniciar com o aprendizado de Algoritmos Genéticos e depois Redes Neurais. Logo abaixo, trago algumas traduções feitas por mim de livros que definem essas duas ferramentas de extrema relevância.
Algoritmos Genéticos são uma família de algoritmos de busca inspirados nos princípios da evolução na natureza. Por imitar o processo seleção natural e reprodução, algoritmos genéticos podem produzir soluções de alta qualidade para vários problemas envolvendo pesquisa, otimizaçãoo, e aprendizado. Ao mesmo tempo, suas analogias à evolução natural permite aos algoritmos genéticos superar alguns dos obstáculos que são encontrados pelos algoritmos de busca tradicional e de otimização, especialmente para problemas com um grande número de parâmetros e representações matemáticas complexas. [1]
Redes Neurais, também conhecidas como Redes Neurais Artificiais ou Redes Neurais Simuladas, são um ramo de machine learning e são o coração dos algoritmos de deep learning. Seu nome e estrutura são inspirados no cérebro humano, imitando o modo com que neurônios biológicos sinalizam um com o outro. [2]
Agora que já tem uma noção do que vamos tratar por aqui, animado(a) para começarmos de fato?
Neste repositório, encontramos feita a divisão de seus arquivos assim como será a organização do curso sendo ministrado. Assim, contempla as seguintes pastas, que têm suas próprias organizações e detalhamento:
Outros arquivos que se encontram presentes:
📁 .gitignore - É o arquivo em que se define tudo o que vai ser ignorado neste repositório, como os checkpoints.
📁 LICENSE - É a licença utilizada para este repositório. No caso, GNU General Public License v3.0.
📁 README.md - É o arquivo do readme, com extensão markdown, deste repositório, que nada mais é do que exatamente o que você está lendo agora.
📁 experimento_template.ipynb - É o arquivo base de todos os arquivos de experimento presente neste repositório.
Agora que já está preparado para o que vai encontrar pela frente... permita que se formem novas sinapses em seu cérebro, que a neuroplasticidade se faça presente e sente que lá vem aprendizados fascinantes! Seja como um neurônio, deixe os neurotransmissores e informações fluirem, forme novas conexões e me permita ser sua glia nessa aventura em busca da descoberta de novos aprendizados... será um prazer enorme e tentarei ao meu máximo que seja uma bela experiência!
📙 [1] WIRSANSKY, E. Hands-On Genetic Algorithms with Python: Applying genetic algorithms to solve real-world deep learning and artificial intelligence problems. [s.l.]: Packt Publishing, 2020.
📙 [2] What are Neural Networks? | IBM. Disponível em: https://www.ibm.com/topics/neural-networks.