Introdução

As redes adversárias generativas (GANs, na sigla em inglês) são uma inovação recente e interessante no aprendizado de máquina. As GANs são modelos generativos: elas criam novas instâncias de dados que se assemelham aos dados de treinamento. Por exemplo, as GANs podem criar imagens que se parecem com fotografias de rostos humanos, mesmo que os rostos não pertençam a nenhuma pessoa real. Estas imagens foram criadas por um GAN:

Figura 1: imagens geradas por um GAN criado pela NVIDIA.

As GANs alcançam esse nível de realismo combinando um gerador, que aprende a produzir a saída de destino, com um discriminador, que aprende a distinguir dados reais da saída do gerador. O gerador tenta enganar o discriminador, e o discriminador tenta não ser enganado.

Este curso aborda os conceitos básicos de GAN e como usar a biblioteca TF-GAN para criar GANs.

Objetivos de aprendizagem do curso

• Entenda a diferença entre modelos generativos e discriminativos.
• Identificar problemas que as GANs podem resolver.
• Entenda as funções do gerador e do discriminador em um sistema GAN.
• Entenda as vantagens e desvantagens das funções de perda de GAN comuns.
• Identifique possíveis soluções para problemas comuns com o treinamento de GAN.
• Use a biblioteca TF GAN para criar uma GAN.

Pré-requisitos

Este curso pressupõe que você:

• Ter concluído o Curso intensivo de aprendizado de máquina, presencial ou por conta própria.
• Ter pelo menos um pouco de experiência em programação com o TensorFlow