Aprendizado de máquina — Guia de aprendizagem
Aprendizado de máquina — Um roteiro estruturado de robótica, controle, agricultura em ambiente controlado, energia e eletrônica de potência.
Um roteiro estruturado de robótica, controle, agricultura em ambiente controlado, energia e eletrônica de potência.
- Fundamentals · 6 min de leitura
Introdução ao Aprendizado de Máquina: Fundamentos — Projetando Dados, Função de Perda e Generalização
A aprendizagem de máquina não se resume apenas à seleção de modelos: define-se a tarefa, a divisão dos dados, a função de perda, a avaliação e a implementação das mudanças.
- Fundamentals · 6 min de leitura
Introdução à Aprendizagem de Máquina: Noções Básicas de Redes Neurais
As redes neurais empilham transformações afins e ativações não lineares e, em seguida, reduzem a perda por meio de retropropagação e otimização baseada em gradiente.
- Fundamentals · 17 min de leitura
Introdução à Detecção de Objetos e Segmentação Semântica — Lendo "O que está onde" em uma imagem
A Detecção de Objetos desenha caixas ao redor dos objetos; a Segmentação Semântica colore cada pixel de acordo com seu significado. Da diferença entre as duas, passando pela Segmentação de Instâncias e Panóptica, a linhagem do R-CNN ao YOLO, DETR e DINO, até suas contrapartes em nuvens de pontos 3D — uma exploração sistemática dos fundamentos da compreensão de cenas.
- Fundamentals · 13 min de leitura
YOLO11 explicado em detalhes — O que mudou no C3k2 e no C2PSA em relação ao YOLOv8?
Analisar o Ultralytics YOLO11 usando documentação oficial e fontes primárias: C3k2, C2PSA, detecção sem âncora, perdas DFL/CIoU e benchmarks medidos para n/s/m/l/x.
- Fundamentals · 10 min de leitura
Um guia completo para o SegFormer — Por que um Transformer sem codificação posicional funciona para segmentação
Este artigo analisa o SegFormer, apresentado pela NVIDIA, pela Universidade de Hong Kong e colaboradores na NeurIPS 2021, com base no artigo original. Examinamos o codificador hierárquico MiT sem codificação posicional, o decodificador All-MLP com uso eficiente de parâmetros, o campo receptivo efetivo e o mIoU medido, a contagem de parâmetros e os cálculos de B0 a B5 com equações.
- Fundamentals · 6 min de leitura
Introdução ao aprendizado de máquina: estimativa de pose
A estimativa de pose infere pontos-chave de humanos ou objetos e a pose 6D a partir de imagens. Este guia introdutório aborda coordenadas, perdas, oclusão, avaliação e segurança.
- Fundamentals · 5 min de leitura
Introdução à Aprendizagem de Máquina: Modelos Generativos
Os modelos generativos representam distribuições de dados e criam saídas condicionais. Aprenda sobre verossimilhança, VAE, GAN, difusão, avaliação, proveniência e segurança.
- Hands-on · 3 min de leitura
Avaliação comparativa de LLMs locais: primeira resposta, taxa de geração e memória.
Meça o conteúdo da primeira resposta separadamente da taxa de geração e do controle. residency, caching and memory conditions.