Perdão, mas a aula deixou um pouco vago sobre a definição de pesos e bias, o que seriam.
Você está vendo a versão anterior da nova experiência da Alura que estamos preparando para você. Em breve, ela ganha uma identidade visual novinha totalmente pensada em potencializar seus estudos!
Solucionado
Perdão, mas a aula deixou um pouco vago sobre a definição de pesos e bias, o que seriam.
Olá, William! Como vai?
Entender os conceitos de pesos e bias é fundamental para trabalhar com redes neurais. Vamos lá:
Pesos (Weights): Em uma rede neural, os pesos são valores que determinam a importância de cada entrada para o neurônio. Quando uma entrada é recebida, ela é multiplicada pelo peso correspondente. Isso significa que, se um peso é alto, a entrada terá um impacto maior na saída do neurônio. Pense nos pesos como controles de volume, ajustando o quanto cada entrada deve influenciar a decisão final do neurônio.
Exemplo prático: Imagine que você tem um neurônio que recebe duas entradas: a quantidade de horas de estudo e o número de horas de sono. Se o peso associado às horas de estudo for maior que o das horas de sono, isso indica que o modelo considera as horas de estudo mais importantes para prever, por exemplo, o desempenho em uma prova.
Bias: O bias é um valor adicional que é somado à soma ponderada das entradas (ou seja, entradas multiplicadas por seus respectivos pesos). Ele permite que o neurônio modele dados que não passam pela origem (ponto zero) no espaço de entrada. O bias é como um ajuste fino que ajuda o modelo a se adaptar melhor aos dados.
Exemplo prático: Voltando ao exemplo anterior, mesmo que você não estude ou durma (ambas as entradas sejam zero), o bias pode permitir que o modelo ainda preveja um desempenho mínimo na prova, como se houvesse um ponto de partida.
Esses conceitos são fundamentais para ajustar como a rede neural aprende e faz previsões.
Espero ter ajudado e fico à disposição se precisar.
Abraço e bons estudos!