Coletânea Python do ZERO às Redes Neurais Artificiais
Qual a Abordagem que Será Utilizada?
Se tratando de uma área com tantas subdivisões, cada uma com suas
grandes particularidades, poderíamos ir pelo caminho mais longo que seria entender de forma gradual o que é em teoria cada área, como uma se relaciona com outra, como umas são evoluções naturais de outras, etc… Porém, abordaremos o tema da forma mais simples, direta, didática e prática possível. Tenha em mente que devido a nossas limitações, neste caso, de um livro, não teremos como abordar com muita profundidade certos pontos, mas tenha em mente que tudo o que será necessário estará devidamente explicado no decorrer dessas páginas, assim como as referências necessárias para que se busque mais conhecimento caso haja necessidade.
Para se ter uma ideia, poderíamos criar extensos capítulos tentando
conceituar programação em Python, inteligência artificial, ciência de dados e aprendizagem de máquina quanto aos tipos de problemas e respectivamente os tipos de soluções que conseguimos de forma computacional.
Poderíamos dividir o tema quanto às técnicas que usamos mais comumente (análise, classificação, regressão, previsão, visão computacional, etc…), ou pelo tipo de rede neural artificial mais eficiente para cada caso (de uma camada, múltiplas camadas, densas (deep learning), convolucionais, recorrentes, etc...), assim como poderíamos separar esse tema de acordo com as ferramentas que são mais usadas por entusiastas, estudantes e profissionais da área (SciKitLearn, Pandas, Numpy, TensorFlow, Keras, OpenCV, etc…).
Ainda poderíamos também fazer uma abordagem de acordo com os métodos aplicados sobre dados (classificação binária, classificação multiclasse, regressão linear, regressão logística, balanço viés-variança, KNN, árvores de decisão, SVMs, clusterização, sistemas de recomendação, processamento de linguagem natural, deep learning, etc…) mas ainda assim seria complicado ao final de todo know hall teórico conseguir fazer as interconexões entre todos conceitos de forma clara.
Sendo assim, a maneira como iremos abordar cada tópico de cada tema
de cada nicho será totalmente prático. Usaremos de exemplos reais, de aplicação real, para construir passo a passo, linha a linha de código o conhecimento necessário para se entender de fato o que é ciência de dados e os métodos de treinamento, aprendizagem de máquina para podermos criar e adaptar nossas próprias ferramentas para estes exemplos e para os próximos desafios que possam surgir.
Ao final deste breve livro sobre o assunto você terá bagagem de conhecimento suficiente para criar suas próprias ferramentas de análise de dados e de fato, a partir desses, transformar dados em informação.