IA - TensorFlow. Paulo Cotta

Transcrição

1 IA - TensorFlow Paulo Cotta

2 Jabá Sou voluntário do GDG Trabalho na Stefanini como Engineer ML e DL Tenho à Startup Koffee More Gosto de repassar conhecimento Faço parte do Candangos do Cerrado IA Professor na Anhanguera Curto ajudar nos projetos Open Source

3 Tópicos O que é Deep Learning? O que é TensorFlow? Arquitetura do TensorFlow TensorFlow Playground Hello World e um problema de imagens Principais modelos Referencias

4 O que é Deep Learning? Afinal o que é Deep Learning, sendo que tenho Machine Learning? Ótima pergunta, mas tem grandes diferenças, segue: Machine Learning é a máquina aprendendo algo a ser executado; Deep Learning é a derivação do aprendizado de máquina, onde se cria neurônios para aprofundar a pesquisa.

5 O que é Deep Learning? Afinal o que é Deep Learning? Falando de uma forma bem simples de entender, Deep Learning (aprendizagem profunda, em português) é um tema emergente dentro do campo da Inteligência Artificial. Uma subcategoria de aprendizado de máquina que diz respeito a oportunidades de aprendizagem profundas com o uso de redes neurais para melhorar as coisas, tais como reconhecimento de fala, visão computacional e processamento de linguagem natural. Isso está rapidamente se tornando um dos mais estudados e procurados campos dentro da ciência da computação moderna.

6 O que é Deep Learning? Deep Learning é melhor que Machine Learning?

7 O que é TensorFlow? TensorFlow é uma biblioteca de código aberto para aprendizado de máquina aplicável a uma ampla variedade de tarefas. É um sistema para criação e treinamento de redes neurais para detectar e decifrar padrões e correlações, análogo (mas não igual) à forma como humanos aprendem e raciocinam. TensorFlow foi desenvolvido pela equipe Google Brain para uso interno na empresa. Foi lançado sob a licença de código aberto Apache 2.0 em 9 de novembro de 2015.

8 O que é TensorFlow? "É uma biblioteca de software de código aberto para computação numérica usando gráficos de fluxo de dados. Os nós no gráfico representam operações matemáticas, enquanto as bordas do gráfico representam os arrays de dados multidimensionais (tensores) comunicados entre eles. A arquitetura flexível permite implantar computação para uma ou mais CPUs ou GPUs em uma área de trabalho, servidor ou dispositivo móvel com uma única API". Comunidade:

9 Como funciona o TensorFlow? Todas as computações no TensorFlow são representadas como um dataflow graph. Esse grafo é composto por dois elementos: um conjunto de objetos tf.operation, que representam as unidades com as operações; um conjunto de tf.tensor, que representam as unidades com os dados.

10 Tensores... Qualquer forma de dados no TensorFlow é representada pela estrutura de tensores, que são simplesmente arrays ou listas com n eixos. Em termos de álgebra linear, tensores são generalizações de matrizes. Por exemplo, um vetor é um tensor com uma dimensão ou um eixo. Uma matriz é um tensor com duas dimensões ou dois eixos. Uma pilha de matrizes é um tensor com 3 dimensões ou três eixos e assim por diante. É preciso ter cuidado para não confundir dimensões de um tensor o número de eixos da estrutura de dados com dimensão dos dados o número de colunas ou variáveis em uma tabela de dados.

11 Tensores... Os tensores tem tipos estáticos e todos os elementos devem ser do mesmo tipo. Eles também tem formato dinâmico, o que quer dizer que podemos reformatá-lo com operações de reshape, transpose, etc. Para representar o formato do tensor, usamos a notação entre colchetes [ ]. Assim, um tensor sem dimensão (um escalar) é representado pela forma [], um tensor 1D (vetor) é representado pela forma [k], um tensor 2D é representado pela forma [k,m] e assim por diante. Como um exemplo mais concreto, considera um lote de 100 imagens coloridas (RGB) e de tamanho 28x28 px. O tensor que armazenaria esses dados seria do formato [n_lote, n_altura, n_largura, n_cores], ou, em números, [100, 28, 28, 3].

12 Arquitetura do TensorFlow

13 Playgroud TensorFlow

14 Hello World O nome da biblioteca ajuda a entender a forma de se trabalhar com ela: tensores são arrays multidimensionais, que vão fluindo pelos nós de um grafo. O ciclo de trabalho no TensowFlow é esse, primeiro definimos o grafo e só depois realizamos as computações ( rodar a operação de cada nó do grafo).

15 Problema usando tensorflow

16 Principais Algoritmos Redes Multilayer Perceptrons Redes Neurais Convolucionais Redes Neurais Recorrentes Long Short-Term Memory (LSTM) Redes de Hopfield Deep Belief Network Deep Auto-Encoders Deep Neural Network Capsules GAN

17 Principais Algoritmos

18 GAN porque é massa? Generative adversarial networks (GANs) são uma classe de algoritmos de inteligência artificial usados em aprendizado de máquina não supervisionado, implementados por um sistema de duas redes neurais que competem entre si em uma estrutura de jogo de soma zero. Eles foram introduzidos por Ian Goodfellow et al. em Esta técnica pode gerar fotografias que parecem, pelo menos superficialmente, autênticas para os observadores humanos, tendo muitas características realistas (embora em testes as pessoas possam dizer reais a partir de geradas em muitos casos).

19 GAN porque é massa?

20 Referencias orflow a1b

21 Obrigado! Foi legal né, alguém tem mais perguntas?

22