Conceitos de IA do zero

1 Redes neurais 4 lições

1. Lição 3 desafios Neurônios e funções de ativação em Python Construa um neurônio artificial em Python puro: uma soma ponderada das entradas mais um viés, passada por sigmoid ou ReLU.
2. Lição 3 desafios Propagação direta e funções de perda em Python Passe entradas camada por camada por uma pequena rede neural e meça o erro com o erro quadrático e a entropia cruzada.
3. Lição 5 desafios Gradiente descendente e retropropagação em Python Treine um neurônio com gradiente descendente: use a regra da cadeia para descobrir como cada peso afeta a perda e desça a encosta.
4. Lição 4 desafios Otimizadores de redes neurais: SGD, Momentum e Adam em Python Compare o gradiente descendente simples, o momentum e o Adam minimizando passo a passo a mesma função.

2 Aprendizado de máquina 4 lições

5. Lição 3 desafios Preparação de dados para aprendizado de máquina em Python Redimensione variáveis com normalização min-max e padronização z-score, e multiplique matrizes à mão.
6. Lição 4 desafios Regressão linear e logística em Python Ajuste uma reta por mínimos quadrados e depois transforme uma pontuação em probabilidade com regressão logística.
7. Lição 6 desafios Fundamentos de classificação: softmax e k vizinhos mais próximos em Python Transforme pontuações em probabilidades de classe com softmax, avalie-as com entropia cruzada e classifique pontos com k vizinhos mais próximos.
8. Lição 2 desafios Similaridade de cosseno e agrupamento k-means em Python Meça o quanto dois vetores se parecem com a similaridade de cosseno e agrupe dados sem rótulo com k-means.

3 Transformers e LLMs 3 lições

9. Lição 3 desafios Tokenização: vocabulário, one-hot e byte pair encoding em Python Transforme texto em números como os modelos de linguagem: monte um vocabulário, codifique palavras em one-hot e aprenda subpalavras com BPE.
10. Lição 4 desafios Atenção e self-attention em Python Calcule à mão a scaled dot-product attention com consultas, chaves e valores, e acrescente uma máscara causal como no GPT.
11. Lição 2 desafios Como os modelos de linguagem geram texto: temperatura e top-k em Python Veja como um modelo de linguagem escolhe o próximo token: layer normalization, temperatura e amostragem top-k em Python puro.

4 IA clássica e aprendizado por reforço 3 lições

12. Lição 4 desafios Busca e IA de jogos: A* e minimax em Python Encontre o caminho mais curto numa grade com a busca A* e escolha a melhor jogada de um jogo com minimax.
13. Lição 2 desafios Cadeias de Markov e o dilema entre explorar e aproveitar em Python Preveja estados futuros com uma cadeia de Markov e equilibre exploração e aproveitamento com um bandit epsilon-greedy.
14. Lição 2 desafios Aprendizado por reforço: value iteration e Q-learning em Python Ensine um agente a chegar a um objetivo: calcule os valores dos estados com value iteration e depois aprenda-os por tentativa e erro com Q-learning.