Manual Prático do Deep Learning - Redes Neurais Profundas

Já pensou se as Redes Neurais viessem com um Manual Prático de instruções passo-a-passo sobre como construí-las?Pois é, esse manual agora existe!Com ajuda desse Manual, você vai implementar desde os neurônios mais básicos (como o Perceptron, o Adaline e o Sigmoid) até uma Rede Neural completa com:learning ratemomentumdropoutregularização L1/L2técnicas de inicialização de pesos (normal, uniform, e glorot/xavier)mini-batch Gradiente Descendentefreezinglearning rate decayearly stoppingbatch normalizationAlém disso, esse Manual também contém segredos e dicas de especialistas pra lhe ajudar a treinar suas próprias Redes Neurais bem mais fácil, como:quais os melhores valores para cada hiperparâmetro (learning rate, qtde. de camadas, qtde. neurônios, tamanho do batch, etc)?o que fazer quando a rede não converge?como evitar os problemas de vanishing/exploding gradients?como identificar e resolver underfitting e overfitting?Esse Manual também acompanha a ferramenta essencial pra implementação de Redes Neurais: a Backpropagation.Poucas pessoas sabem utilizá-la, mas nesse Manual você encontra um método único e memorável de ensino conhecido como "deriva quem tá dentro e multiplica por quem tá fora!".Tudo isso feito pelo autor desse Manual, que:é Google Developer Expert em Machine Learning desde 2018trabalha com Machine Learning e Deep Learning desde 2016é professor de Pós-G