Guia introdutório sobre o uso de redes neurais convolucionais (CNNs) para classificação de imagens.
O presente material foi dividido em notebooks, cada um apresentando uma arquitetura específica para a solução de problemas ligados à classificação de imagens.
| Notebook | Tipo de Problema | Arquitetura Rede Neural | Base de Dados | Descrição |
|---|---|---|---|---|
| EXEMPLO_01 - Cats vs Dogs.ipynb | Problema de classificação binário. | Rede neural convolucional (CNN) | dogs-vs-cats | Modelo classifica imagens de cachorros e gatos. |
| EXEMPLO_02 - MNIST Feed-Forward.ipynb | Problema de classificação multi-classe. | Rede neural fully connected | MNIST Dataset | Modelo classifica imagens de dígitos escritos à mão. |
| EXEMPLO_03 - MNIST ConvNet.ipynb | Problema de classificação multi-classe. | Rede neural convolucional (CNN) | MNIST Dataset | Modelo classifica imagens de dígitos escritos à mão. |
| EXEMPLO_04 - MNIST Vision Transformer.ipynb | Problema de classificação multi-classe. | Vision Transformer (ViT) | MNIST Dataset | Modelo classifica imagens de dígitos escritos à mão. |
| EXTRA - ATARI DEEP-Q LEARNING.ipynb | Aprendizado por reforço ? (Reinforcement Learning) | Rede neural convolucional (CNN) | N/A | Modelo aprende a jogar ATARI sozinho. |
