Os 5 modelos de redes neurais que todo Cientista de dados deveria conhecer

Redes neurais são modelos capazes de processar uma grande quantidade de dados em segundos. Inspirados no sistema nervoso central, estes modelos geralmente são apresentados como sistemas de neurônios interconectados.

Atualmente, nos deparamos com vários tipos de redes neurais com diferentes objetivos. Cada arquitetura surgiu para resolver problemas dentro de um contexto específico. Neste post, vou resumir sobre os 5 principais modelos de redes neurais e suas respectivas aplicações.

Perceptron:

É o modelo de rede neural mais simples que contém neurônios de entrada e saída. Perceptron pode ser usado para tarefas simples onde é preciso separar um conjunto de dados através de uma função linear. 

Multilayer perceptron (MLP)

São redes perceptron conectadas, sendo que cada neurônio é conectado a uma camada adjacente. Desse modo, Multilayer perceptron pode ser utilizado para tarefas mais complexas, não lineares e com alto poder de processamento como, por exemplo, predição de voz, dados de redes sociais e até mesmo visão computacional. 

Recurrent Neural Network (RNN)

Estes modelos trazem arquiteturas que guardam informações de dados passados que já foram passadas para o modelo, ou seja, não apenas consideramos os dados atuais na fase de treinamento, mas sim o contexto geral tanto dos dados já passados no treinamento como dos dados atuais. Como assim? O modelo considera a sequência temporal e a ordem na qual os dados são imputados. Estes modelos são muito usados para previsão de textos, previsão de sinais, previsão de séries temporais e dados de mobilidade. 

Convolutional Neural Network (CNN)

CNN são os modelos clássicos de visão computacional utilizados para detecção de objetos em imagens. Uma camada convolucional de uma CNN é uma parte de outra rede neural. Então, ao invés de você segmentar uma imagem e tratar os dados como segmentos, você trata os objetos como camadas convolucionais. A CNN com certeza revolucionou o campo de visão computacional com aplicações importantes como detecção de tumores através de imagens médicas, reconhecimento facial, detecção de objetos em imagens, entre outras. 

Quais dessas redes você conhece ou já utilizou? 

Qual dessas redes você precisa aprender?

Deixe nos comentários…

 

#redesneurais #deeplearning #python #machinelearning #modelosderedesneurais #redesneuraisrecorrentes #redesneuraisconvolicionais #rnn #cnn #perceptron #mlp