Este repositório contém análises e implementações de redes neurais em aprendizado de máquina, incluindo estudos de caso utilizando conjuntos de dados como diabetes.csv e MNIST. As análises são realizadas em Jupyter Notebooks e abordam questões teóricas e práticas em visão computacional e aprendizado profundo.
Viviane Pinto de Souza.ipynb: Jupyter Notebook contendo respostas para perguntas teóricas sobre problemas não linearmente separáveis, treinamento de redes neurais utilizando gradiente descendente, e comparação de modelos em datasets específicos; Anánálise de modelos Shallow e Deep utilizando o conjunto de dados diabetes.csv. Compara métricas de desempenho (acurácia) e tempo de treinamento/teste com os classificadores MLP, KNN e QDA; Análise de modelos Fully Connected e Convolutional Neural Network (CNN) utilizando o dataset MNIST. Compara métricas de desempenho (acurácia) e tempo de treinamento/teste com os classificadores MLP, KNN e QDA.
- Python 3.x
- Jupyter Notebook
- Bibliotecas Python: NumPy, Pandas, Matplotlib, Scikit-learn, Keras, TensorFlow (para análise do MNIST)
Certifique-se de ter um ambiente Python configurado com as dependências necessárias para executar os notebooks.
-
Clone este repositório: git clone https://github.com/VivianeSouza923/neural-network-analysis.git
-
Navegue até o diretório do repositório: cd neural-network-analysis
-
Abra e execute os notebooks Jupyter: jupyter notebook
Em seguida, abra o notebook para explorar as análises e resultados.
Contribuições são bem-vindas! Sinta-se à vontade para propor melhorias, adicionar novos experimentos ou corrigir problemas abrindo uma issue ou submetendo um pull request.