# Redes Neurais e Deep Learning

Qualquer rede neural é basicamente uma coleção de neurônios e conexões entre eles. O neurônio é uma função com várias entradas e uma saída. Sua tarefa é pegar todos os números de sua entrada, executar uma função neles e enviar o resultado para a saída.

Aqui está um exemplo de um neurônio simples, mas útil na vida real: some todos os números das entradas e se essa soma for maior que N – dê “1” como resultado. Caso contrário – “zero”.

As conexões são como canais entre os neurônios. Eles conectam as saídas de um neurônio às entradas de outro, para que possam enviar dígitos um para o outro. Cada conexão possui apenas um parâmetro – peso. É como uma força de conexão para um sinal. Quando o número 10 passa por uma conexão com um peso 0,5, ele se transforma em 5.

Esses pesos dizem ao neurônio para responder mais a uma entrada e menos a outra. Os pesos são ajustados durante o treinamento – é assim que a rede aprende. Basicamente, é só isso.

![Imagem: https://vas3k.com/blog/machine\_learning/](/files/-M4Rnb1dQuaapyuFyq0q)

 **Usado nos dias de hoje para:**

* Identificação de objetos em fotos e vídeos;
* Reconhecimento e síntese de fala;
* Processamento de imagem, transferência de estilo;
* Maquina de tradução.

**Arquiteturas Populares:** 

* Perceptron;
* Convolutional Network (CNN);
* Recurrent Networks (RNN);
* Autoencoders.

{% hint style="success" %}
Nós, como profissionais, usamos bibliotecas ‘profundas’ populares como **Keras**, **TensorFlow** e **PyTorch**, mesmo quando construímos uma mini-rede com cinco camadas. Só porque é mais adequado do que todas as ferramentas que vieram antes. Nós apenas as chamamos de redes neurais.
{% endhint %}


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://carlossalesti.gitbook.io/machine-learning/redes-neurais-e-deep-learning.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.