Aula 11 - Introdução ao Deep Learning 🌊
Deep Learning (Aprendizado Profundo) é o que acontece quando pegamos as redes neurais e as tornamos gigantescas.
🏢 Por que "Profundo"?
"Deep" refere-se à quantidade de camadas ocultas na rede. Enquanto uma rede comum tem 1 ou 2, modelos profundos podem ter centenas!
| Característica | Machine Learning Clássico | Deep Learning |
|---|---|---|
| Dados | Funciona bem com poucos dados. | Precisa de volume massivo de dados. |
| Hardware | Roda em qualquer PC. | Exige GPUs potentes. |
| Complexidade | Exige que humanos escolham as características. | Aprende as características sozinho (ex: bordas, texturas). |
🏗️ As Redes Modernas
No Deep Learning, cada camada aprende algo diferente:
graph TD
A["Entrada (Pixels)"] --> B["Camada 1: Aprende Bordas"]
B --> C["Camada 2: Aprende Formas (Círculos)"]
C --> D["Camada 3: Aprende Objetos (Olhos)"]
D --> E["Saída: Rosto Humano"]🛠️ Frameworks (Nossas Caixas de Ferramentas)
Não escrevemos o Backpropagation na mão. Usamos bibliotecas profissionais:
TensorFlow vs PyTorch
- TensorFlow: Ótimo para colocar modelos em produção (celulares, sites).
- PyTorch: O favorito dos pesquisadores pela sua flexibilidade e facilidade de leitura.
🧠 Blocos de Destaque
O Custo do Poder
Deep Learning é incrível, mas consome muita energia e processamento. Por isso usamos o Google Colab para facilitar seu acesso a esse hardware.
🚀 Mini-Projeto
Desafio: Pesquise uma aplicação real de Deep Learning que surgiu nos últimos 2 anos (ex: carros autônomos, diagnósticos médicos).