A matemática do Gradiente Descendente & Regressão Linear (machine learning)
Nesse vídeo vamos dissecar o "Gradient Descent" passo a passo, para que você consiga compreender como funciona e para que serve. Curso completo: https://didatica.tech/curso-de-machin...
O exemplo mostrado será com o modelo de regressão linear, porém o mesmo conceito se aplica a outros algoritmos de machine learning. Essa aula está organizada da seguinte forma:
0:10 A importância do gradiente descendente
0:35 Objetivo dessa aula
1:58 Explicação conceitual do gradiente descendente (sem matemática)
12:05 Início da explicação matemática do gradiente descendente
12:44 Como medir o ajuste da reta aos dados (distância dos dados)
15:18 O que é função de custo (cost function) e como calcular
17:55 A minimização da função de custo
18:52 Atualizando os valores dos pesos e dos viéses (weight, bias) em cada iteração
21:20 A taxa de variação da função de custo
22:40 Derivada parcial da função de custo em relação ao coeficiente angular
27:50 Derivada parcial da função de custo em relação ao coeficiente linear
29:22 Calculando a derivada da função de custo em relação ao coeficiente angular da reta
29:40 Relembrando a regra da cadeia (cálculo)
35:39 Calculando a derivada da função de custo em relação ao coeficiente linear da reta
39:34 Como novas retas são construídas a partir de novos valores dos parâmetros
44:01 O que é a taxa de aprendizagem (learning rate) e sua importância na equação
47:22 Algoritmo em Python que calcula o gradiente descendente
48:40 Próximos objetivos
50:02 O que significa o nome "gradiente descendente"
O gradiente descendente é uma das técnicas mais importantes do machine learning, pois permite que o algoritmo aprenda a cada nova iteração qual direção seguir para minimizar a função de custo.
Uma função de custo captura a diferença entre o resultado encontrado pelo modelo e o resultado esperado (valor de teste). Quanto maior essa função, mais distante o modelo está de fazer previsões corretas.
Todo o conceito de gradient descent se baseia em derivadas parciais, onde os valores dos coeficientes da função a ser otimizada são atualizados a cada nova iteração, pelo valor que depende da magnitude da derivada parcial da função de custo em relação a cada coeficiente.
Essa atualização dos pesos e vieses (weight, bias) é feita com base em uma constante chamada learning rate, que significa "taxa de aprendizagem".
Apesar de parecer complexa em uma primeira abordagem, a técnica do gradiente descendente é concisa e muito elegante para resolver problemas de alta magnitude, permitindo a descoberta mais conveniente de parâmetros em algoritmos de machine learning, não apenas em regressão linear, mas também em redes neurais, como vemos nesse artigo: https://bit.ly/redeNeural
#redesNeurais #machinelearning #gradienteDescendente
Watch video A matemática do Gradiente Descendente & Regressão Linear (machine learning) online without registration, duration hours minute second in high quality. This video was added by user Didática Tech 28 June 2019, don't forget to share it with your friends and acquaintances, it has been viewed on our site 61,706 once and liked it 3 thousand people.