Manual completo de aprendizagem profunda: CNNs, RNNs e modelos generativos (Portuguese Edition)

Este livro oferece uma introdução abrangente e estruturada aos fundamentos, arquitecturas e aplicações da aprendizagem profunda. Começando com conceitos matemáticos fundamentais, como álgebra linear, probabilidade e otimização, constrói uma base sólida para a compreensão das redes neuronais modernas. O texto explora ideias-chave como a capacidade do modelo, a compensação de viés-variância, o sobreajuste e o ajuste de hiperparâmetros. Os leitores são então guiados pelas principais arquiteturas de aprendizagem profunda, incluindo Redes Neurais Convolucionais (CNNs) para análise de imagens, Redes Neurais Recorrentes (RNNs) e LSTMs para modelagem de sequências e modelos generativos avançados como Autoencoders, Variational Autoencoders (VAEs) e Generative Adversarial Networks (GANs). Cada capítulo apresenta explicações claras, diagramas e exemplos práticos para simplificar conceitos complexos. Concebido para estudantes, educadores e profissionais de IA, o livro fornece tanto profundidade teórica como conhecimentos práticos. Serve como uma referência completa para quem procura compreender, construir e aplicar modelos de aprendizagem profunda de forma eficaz em problemas do mundo real em visão computacional, processamento de linguagem natural e IA generativa.