Redes neurais

English

Este repositório reúne aulas práticas e didáticas sobre arquiteturas de redes neurais e classificação com PyTorch. O conteúdo das aulas está disponível em português e inglês; os nomes de pastas e arquivos permanecem em inglês para manter uma estrutura técnica consistente.

Preparação do ambiente com uv

O projeto suporta Windows e Ubuntu em x86-64 com Python 3.13. O uv cria o ambiente local .venv, instala o Python quando necessário e reproduz as versões registradas em uv.lock.

Escolha somente um dos perfis do PyTorch.

CPU

É a opção mais portátil e não exige uma GPU NVIDIA:

uv sync --extra cpu
uv run --extra cpu jupyter lab

GPU NVIDIA com CUDA 13.2

Use este perfil no Windows ou Ubuntu quando o driver NVIDIA instalado for compatível com CUDA 13.2:

uv sync --extra cu132
uv run --extra cu132 jupyter lab

Os perfis cpu e cu132 são mutuamente exclusivos. Para trocar de perfil, execute novamente uv sync com o extra desejado.

Aulas

Aula 1 - Classificação tabular com MLP

1. Preparação dos dados
2. Classificador MLP

Consulte o guia da Aula 1 para os objetivos e resultados esperados.

Aula 2 - Classificação de imagens com CNN e ResNet

1. Preparação das imagens
2. Classificadores CNN e ResNet

Consulte o guia da Aula 2 para os objetivos e resultados esperados.

Ferramentas auxiliares

O notebook Detecção de dispositivo verifica rapidamente se o PyTorch está usando CPU, CUDA ou MPS. Ele é uma ferramenta opcional e não faz parte da sequência das aulas.

Materiais complementares

Versões anteriores em inglês e o material de fine-tuning com BERT permanecem em archive/.

Os arquivos environment.yml e requirements.txt continuam disponíveis como alternativas legadas. Para este projeto, o ambiente com uv é o recomendado.