Expert Nanodegree (Udacity) • Mestrado em Computação Aplicada (em curso) ◦ Classificação de imagens histopatológicas com DL • Machine Learning em apps Android Jeziel Lago
desenvolvida para seres humanos, e não máquinas” • Fácil de aprender • Simplifica casos de uso comuns • Feedbacks mais claros em casos de erros • Integra nativamente com o Tensorflow
do seu modelo em: • iOS, com o Core ML da Apple • Android, com o Tensorflow Lite / ML Kit • Browser, com o JavaScript (Keras.js / WebDNN) • Google Cloud, via Tensorflow-Serving • Python web backend como um app Flask • JVM, com o DL4J (SkyMind) • Raspberry Pi
import Activation from keras.layers import Dropout from keras.layers import Input from keras.layers import Flatten from keras.layers import Conv2D from keras.layers import Conv3D from keras.layers import MaxPooling2D from keras.layers import RNN from keras.layers import LSTM from keras.layers import *
Sequential from keras.layers import Dense model = Sequential() model.add(Dense(32, input_dim=128) model = Sequential() model.add(Dense(32, input_shape=(128,)) ou
Dense # camada de input inputs = Input(shape=(784,)) x = Dense(64, activation='relu')(inputs) x = Dense(64, activation='relu')(x) predictions = Dense(10, activation='softmax')(x) # cria o modelo com as camadas definidas acima model = Model(inputs=inputs, outputs=predictions)