Aula 08 - Introdução às Redes Neurais 🧠

Chegamos ao coração da IA moderna! As Redes Neurais são a base para o Deep Learning e foram inspiradas no funcionamento do cérebro humano.

🧬 Inspiração Biológica

Nosso cérebro possui bilhões de neurônios que se comunicam através de impulsos elétricos. Na computação, tentamos simular isso matematicamente.

🤖 O Neurônio Artificial (Perceptron)

Um neurônio artificial recebe entradas, aplica pesos (importância) a elas e gera uma saída.

graph LR
    X1["Entrada 1"] -- Peso 1 --> SUM["Soma Ponderada"]
    X2["Entrada 2"] -- Peso 2 --> SUM
    BIAS["Bias (Ajuste)"] --> SUM
    SUM --> ACT["Função de Ativação"]
    ACT --> OUT["Saída"]

🏢 A Estrutura de uma Rede

Uma rede neural é composta por camadas:

Camada de Entrada: Onde os dados entram.
Camadas Ocultas: Onde a mágica (cálculos complexos) acontece.
Camada de Saída: O resultado final (Gato ou Cachorro?).

Glossário

Pesos (\(w\)): Controlam a força da conexão entre neurônios.
Bias (\(b\)): Um valor extra para ajustar a sensibilidade do neurônio.

💻 Visualizando a Lógica

$ neuronio-config --status
> Entradas: [0.5, 0.8]
> Pesos: [0.2, 0.9]
> Bias: 0.1
> Calculando... (0.5*0.2 + 0.8*0.9) + 0.1 = 0.92
> Resultado Final: 0.92 (Sinal Forte!)

🧠 Por que "Redes"?

Porque um único neurônio é "burro". Mas bilhões de neurônios conectados podem reconhecer rostos, dirigir carros e traduzir idiomas em tempo real.

Cuidado

Apesar do nome, neurônios artificiais são apenas funções matemáticas simplificadas. Eles não "pensam" como nós... ainda.

🚀 Mini-Projeto

Desafio: Se você estivesse criando uma rede neural para decidir se vai à praia, quais seriam as suas 3 "Entradas" e qual teria o maior "Peso"?

Próxima Aula: Funções de Ativação