Redes neurais artificiais são uma técnica computacional inspirada no funcionamento do cérebro humano, que possibilita a compreensão de diversas tarefas a partir de semelhanças com o comportamento dos neurônios biológicos. Essas redes consistem em uma série de nós interconectados que processam informações em camadas, permitindo que o sistema “aprenda” padrões a partir de grandes volumes de dados. Entre as diversas aplicações dessa técnica, destaca-se a modelagem ou aproximação de funções matemáticas, um processo que permite a obtenção de equações analíticas capazes de correlacionar diferentes variáveis de entrada com uma variável de saída específica. Isso é especialmente útil em situações onde os relacionamentos entre variáveis são complexos e difíceis de modelar de forma explícita por métodos tradicionais.

Este curso tem como objetivo ensinar o uso de redes neurais artificiais através do Toolbox Neural Net Fitting do software Matlab, uma ferramenta amplamente utilizada no campo da engenharia e ciência de dados, para a aproximação de equações. O Matlab oferece uma interface poderosa para o desenvolvimento de modelos de redes neurais, permitindo a fácil implementação e ajuste fino das redes para obter os melhores resultados na aproximação de funções.

Durante o curso, utilizaremos dados provenientes do Kaggle, uma renomada plataforma online voltada para ciência de dados e aprendizado de máquina, que oferece uma vasta gama de conjuntos de dados para análise e prática. Especificamente, trabalharemos com dados relacionados a um motor elétrico síncrono, um dispositivo amplamente utilizado em sistemas de energia elétrica para converter energia elétrica em mecânica. Nesse contexto, modelaremos uma equação utilizando redes neurais artificiais para calcular, de forma analítica, a corrente de excitação do motor, com base em quatro variáveis de interesse, que podem incluir fatores como tensão, velocidade de rotação, temperatura, entre outros.

Embora o foco do curso seja a modelagem de uma equação específica para o motor síncrono, a técnica que será ensinada pode ser facilmente adaptada para uma ampla variedade de problemas em diferentes áreas. A aplicação de redes neurais é extremamente versátil, e pode ser utilizada em qualquer processo ou sistema que exija a obtenção de uma equação que correlacione variáveis, como em sistemas de controle, previsões financeiras, reconhecimento de padrões em imagens ou mesmo diagnósticos médicos. Com as redes neurais, é possível capturar e modelar relações complexas entre variáveis de forma automática, fornecendo soluções robustas para problemas de engenharia, ciência e negócios.

Who this course is for:

• Qualquer um interessado