Mini workshop sobre deep learning explicando o que são redes neurais e como construir sua primeira CNN (redes neurais convolucionais); saiba mais
Imagine que você precisa prever os preços do aluguel de apartamentos de uma região. Há diversas variáveis que influenciam nessa predição: quantos quartos o apartamento têm, quantos metros quadrados, em que bairro ele está localizado etc. Cada uma dessas características terá um peso diferente, que vai influenciar no preço final cobrado de aluguel.
Esse exemplo é usado por Jéssica dos Santos de Oliveira para dar uma noção mais palpável do que seria uma rede neural simples, que pode ser comparada a uma regressão linear. Ou seja, definem-se as variáveis e os seus pesos como entrada, e ao combinar esses valores em um neurônio (geralmente uma soma ponderada) teremos como output o preço. Quanto mais complexa a rede, maiores as entradas.
Além de explicar esses conceitos, a head de dados na NeuralMed ensina a construir uma CNN – ou redes neurais convolucionais –, neste mini workshop de deep learning.
Em um primeiro exemplo, ela parte de um conjunto de dados de câncer de mama para demonstrar como utilizar a função de ativação, fazer a compilação e trabalhar os seus parâmetros (optimizer, loss e learning rate), pensar medidas de treinamento e avaliação. Num segundo momento, ela cria um modelo para distinguir e classificar imagens de exames médicos, explicando os cuidados na validação dos dados, na definição do modelo etc.
Ao longo do processo, ela vai demonstrando o passo a passo de cada etapa, compartilhando os questionamentos e as decisões tomadas, e indicando os cuidados para evitar erros e garantir respostas assertivas. Ela ainda fala sobre arquiteturas prontas que podem ser utilizadas para transfer learning e aponta como realizar todo esse processo.
Antes de começar
Jéssica dos Santos utiliza as seguintes ferramentas e materiais ao longo do workshop:
- Colab!: ferramenta gratuita do Google para fazer códigos
- Breast Cancer Dataset, encontrado no Kaggle (dados já tratados)
- Dataset Medical MNIST, também no Kaggle (imagens)
Vale também fazer o download e já deixar aberta a apresentação de Jéssica, para poder acompanhar com mais facilidade.
Confira o workshop completo abaixo:
Clique aqui para acessar os códigos da Parte 1
Clique aqui para acessar os códigos da Parte 2
Autora Jéssica dos Santos de Oliveira é head de dados na NeuralMed, utilizando Deep Learning para auxiliar no diagnóstico e melhorar os sistemas de saúde em geral. Possui mestrado em Sistemas de Informação, com linha de pesquisa em Inteligência de Sistemas. Seu projeto foi usar modelos de atenção visual baseados em reconhecimento de padrões para identificar autismo. Atuou como cientista de dados em empresas do mercado financeiro e imobiliário, antes de entrar no setor de saúde. Também participa de projetos que incentivam mulheres na carreira de cientista de dados, sendo embaixadora do Women in Data Science (WiDS) São Paulo desde 2019, e co-fundadora do Mulheres em IA (MIA), comunidade criada em 2020 durante a pandemia para abraçar e incentivar as mulheres na área. Revisora Stephanie Kim Abe é jornalista, formada pela Escola de Comunicações e Artes da Universidade de São Paulo (ECA-USP). Trabalha na área de Educação e no terceiro setor. Esteve nos primórdios da Programaria, mas testou as águas da programação e achou que não era a sua praia. Mas isso foi antes do curso Eu Programo…
Este conteúdo faz parte da Programaria Sprint Dados: Ampliando as Fronteiras.