Introdução

Por que TensorFlow e Keras?

O que vamos construir hoje?

• Como preparar seu ambiente de desenvolvimento (o famoso "setup").
• Como transformar palavras humanas em números que a máquina entende.
• O que acontece dentro de uma Rede Neural simples.
• Como treinar e testar seu primeiro modelo.

Sumário do Curso: Do Zero ao Deploy

1. Aula 1: Sua Primeira IA – Criando um classificador de sentimentos básico.
2. Aula 2: O Cérebro Persistente – Como evitar que a IA "decore" dados e como salvar seu modelo em um arquivo.
3. Aula 3: Memória e Contexto (LSTM) – Ensinando a IA a entender a ordem das palavras e o sentido das frases.
4. Aula 4: Mergulho no Big Data – Treinando com 50.000 críticas de cinema reais (Dataset IMDB).
5. Aula 5: IA Escritora – Como criar uma IA gerativa que completa frases sozinha.
6. Aula 6: Construindo um Chatbot – Reconhecimento de múltiplas intenções para atendimento automático.
7. Aula 7: Visão Computacional – Saindo do texto e ensinando a IA a "enxergar" e classificar roupas.
8. Aula 8: Colocando a IA no Ar – Criando um site interativo (Web App) para sua inteligência artificial.
9. Aula 9: Prevendo Números (Regressão) – Como estimar preços de casas e valores exatos.
10. Aula 10: O Previsor do Futuro – Séries temporais para prever tendências e vendas.

Pré-requisitos: O que você precisa?

• Lógica de Programação Básica: Você não precisa ser um mestre em Python, mas deve saber o que é uma variável, uma lista (list), uma função (def) e como funcionam loops (for/while).
• Python Instalado: Ter o Python 3.8 ou superior instalado na sua máquina.
• Editor de Código: Recomendo o VS Code, PyCharm ou, se preferir não instalar nada agora, o Google Colab (que roda direto no navegador).
• Vontade de Experimentar: IA envolve tentativa e erro. Se o modelo não "aprender" de primeira, vamos ajustar os parâmetros juntos!

Nota importante: Não se preocupe com cálculos matemáticos complexos ou álgebra linear. O TensorFlow e o Keras cuidam da "matemática pesada" por baixo do capô, permitindo que foquemos na construção da solução.

Aula 1 - Sua Primeira IA

Passo 0: Preparando o Ambiente

pip install tensorflow

Passo 1: Definindo nossos dados (O que a IA vai ler)

import tensorflow as tf
from tensorflow.keras.preprocessing.text import Tokenizer
from tensorflow.keras.preprocessing.sequence import pad_sequences
import numpy as np

# Frases para treinamento
frases = [
    'Eu amo este curso', 
    'Isso é maravilhoso', 
    'Que aula incrível',
    'Eu odeio este erro', 
    'Isso é muito ruim', 
    'Estou muito triste com isso'
]

# Rótulos: 1 para Positivo, 0 para Negativo
sentimentos = np.array([1, 1, 1, 0, 0, 0])

Passo 2: Transformando texto em números

1. Tokenização: Atribuir um número para cada palavra única.
2. Padding: Garantir que todas as frases tenham o mesmo comprimento (preenchendo com zeros as frases curtas).

# Criando o Tokenizador (Dicionário de palavras)
tokenizer = Tokenizer(num_words=100, oov_token="<OOV>")
tokenizer.fit_on_texts(frases)

Transformando frases em sequências numéricas

Deixando todas as frases com o mesmo tamanho (Padding)

---

## **Passo 3: Criando o "Cérebro" da IA (O Modelo)**

Aqui é onde a mágica acontece. Vamos montar uma **Rede Neural Sequencial**. Imagine camadas de filtros que processam a informação até chegar a uma conclusão.

```python
model = tf.keras.Sequential([
    # Camada Embedding: Aprende a relação entre as palavras
    tf.keras.layers.Embedding(100, 16, input_length=padded.shape[1]),
    
    # Simplifica os dados para a próxima camada
    tf.keras.layers.GlobalAveragePooling1D(),
    
    # Camada oculta com 24 neurônios para processar padrões
    tf.keras.layers.Dense(24, activation='relu'),
    
    # Camada de saída: 1 neurônio que nos dá um valor entre 0 e 1 (Sigmoid)
    tf.keras.layers.Dense(1, activation='sigmoid')
])

# Configurando como a IA deve aprender
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

Passo 4: Hora do Treinamento

epochs

print("Iniciando o treinamento...")
model.fit(padded, sentimentos, epochs=100, verbose=0)
print("IA Treinada!")

Passo 5: Testando com frases inéditas

# Frases que a IA nunca viu antes
novas_frases = [
    'Eu amo aprender coisas novas',
    'Este erro é horrível e ruim'
]

# Preparamos as frases do mesmo jeito que fizemos no treino
seq_teste = tokenizer.texts_to_sequences(novas_frases)
pad_teste = pad_sequences(seq_teste, maxlen=padded.shape[1], padding='post')

# Fazendo a previsão
previsoes = model.predict(pad_teste)

# Exibindo os resultados
for i, frase in enumerate(novas_frases):
    resultado = "POSITIVO" if previsoes[i] > 0.5 else "NEGATIVO"
    print(f"Frase: '{frase}' -> Sentimento: {resultado} ({previsoes[i][0]:.2f})")

Como isso funciona na prática?

Conclusão e Próximos Passos

O que aprendemos hoje?

• Que a IA precisa de exemplos (Rótulos) para aprender.
• Que o computador não lê palavras, mas sim números (Tokenização).
• Como estruturar uma rede neural básica com Keras.

Desafio do Dia 🚀

Quero saber de você!