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

Clone o repositório:

git clone machine-learning

Instale as dependências: pip install -r requirements.txt
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