Implementação de uma Rede Neural Artificial

Descrição

Este projeto implementa uma Rede Neural Artificial (RNA) do zero em Python, utilizando conceitos básicos como:

• Estrutura de camadas com pesos e bias.
• Funções de ativação (Sigmoid, ReLU, Softmax).
• Algoritmo de retropropagação com gradiente descendente.
• Treinamento de modelos para tarefas de regressão, classificação binária e classificação multiclasse.

Requisitos

• Python 3.8 ou superior.
• Dependências (instale com pip install -r requirements.txt):
  • numpy
  • matplotlib
  • scikit-learn
  • pandas
  • seaborn

Estrutura

• src/: Código-fonte da implementação.
• notebooks/: Fluxos documentados de treinamento e avaliação dos modelos.
• data/: Conjuntos de dados utilizados no projeto.

Como Rodar

1. Clone o repositório:

git clone machine-learning

2. Instale as dependências: pip install -r requirements.txt
3. Execute os notebooks no Jupyter:

jupyter notebook notebooks/

Modelos Treinados

• Regressão: Predição contínua de valores com erro médio quadrático.
• Classificação Binária: Classificação de duas classes utilizando Sigmoid e ReLU.
• Classificação Multiclasse: Classificação de três ou mais classes utilizando Softmax.

Referências de Dataset

• Regressão: url
• Classificação Binária: https://www.kaggle.com/datasets/uciml/breast-cancer-wisconsin-data
• Classificação Multiclasse: https://www.kaggle.com/datasets/rabieelkharoua/predict-online-gaming-behavior-dataset

Autores

• Acauã Pitta
• Isac Martins
• Lucas Cunha