DataSaturday BH - No PhD Required: IA Generativa com Keras

No PhD Required: IA
Generativa com Keras
Lightning Talks
AI / ML
Ahirton Lopes, PhD.

Ahirton Lopes, Eng.,
MSc., PhD.
Head of Data
Professor de MBA e Corporate @ FIAP + Alura
Google Developer Expert – Machine Learning
5x Most Valuable Professional – AI Platform @ Microsoft
LinkedIn Top Voice
Doutor em Engenharia Elétrica e Computação pela Universidade
Presbiteriana Mackenzie (UPM)
Pesquisador em Machine e Deep Learning
Sobre mim

Roteiro
01
02
03
●Introdução: o que é o Keras?
Visão geral em IA Generativa,
casos de uso comuns e como
o Keras se posiciona para
cientistas e desenvolvedores;
Exemplos e demo.
Ahirton Lopes @ahirtonlopes

Introdução: o que é o Keras?
Seção 1
Por que utilizar o Keras em 2025?

1N73L163NC14 3 4
H481L1D4D3 D3 53
4D4P74R 4
MUD4NÇ4

Keras é a API oficial de criação de modelos de alto nível do TensorFlow

• Módulo tensorflow.keras (tf.keras);
• Parte do núcleo do TensorFlow desde a v1.4;
• API completa do Keras;
• Melhor otimizado para TF;
• Melhor integração com as características específicas do TF.
Principais características:
• API de estimador;
• Execução rápida e facilitada quando em comparação com outros frameworks
(eager execution);
Conhecendo mais do Keras!
Seção 1

Quem faz o Keras?

• Adoção na indústria e na comunidade de pesquisa;
• Foco na experiência do usuário;
• Multi-backend, multi-plataforma;
• Fácil produção e replicação de modelos.
O que há de especial no
Keras?
Seção 1

A parte da palestra onde eu falo algumas verdades difíceis
IA Generativa com Keras
Seção 2

Seção 2 Como a maioria das empresas acreditam que
redes neurais funcionam!

Seção 2 Como as redes neurais realmente funcionam (short version)!

Seção 2 Como IA generativa funciona (short version)!

Seção 2
• Os modelos generativos são uma importante classe de modelos de
aprendizagem não supervisionada que vem recebendo muita atenção
nos últimos anos.
• Eles podem ser definidos como uma classe de modelos cujo objetivo é
aprender a gerar novas amostras que parecem ser do mesmo conjunto de
dados que os dados de treinamento.
• Durante a fase de treinamento, um modelo generativo tenta resolver a
tarefa principal de estimativa de densidade.
Como IA generativa funciona (short version)!

Seção 2
• Na estimativa de densidade, nosso modelo aprende a construir uma
estimativa — pmodel(x) — o mais semelhante possível à função de
densidade de probabilidade não observável — pdata(x).
• É importante mencionar que o modelo generativo deve ser capaz de compor
novas amostras da distribuição, e não apenas copiar e colar as já
existentes.
Como IA generativa funciona (short version)!

Seção 2 Como o Keras pode ser utilizado em um fluxo de construção
de redes neurais (very short version)!

Seção 3 Como o Keras pode ser utilizado em um fluxo de construção
de redes neurais generativas (very short version)!

Seção 3 Demos e Exemplos
Demos da Palestra no Github

Seção 3 Demo - Variational Autoencoders

Seção 3
Novidades do Google I/O para o Keras 3!
• Obtenha sempre o melhor desempenho para seus modelos – Agora há uma opção de mudanças dinâmicas de
backend, ponto positivo principalmente ao usar JAX;
• Desbloqueie a opcionalidade do ecossistema para seus modelos - Qualquer módulo do Keras 3 também pode ser
instanciado como um pacote do ecossistema PyTorch;
• Aproveite o paralelismo de modelos em grande escala e o paralelismo de dados com JAX - Keras 3 inclui uma nova
API de distribuição, o namespace keras.distribution , atualmente implementado para o back-end JAX (em breve nos back-
ends TensorFlow e PyTorch);
• Maximize o alcance de seus lançamentos de modelos de código aberto - Quer lançar um modelo pré-treinado? Quer
que o maior número possível de pessoas possa usá-lo? no Keras 3, ele poderá ser usado instantaneamente por qualquer
pessoa, independentemente se você implementá-lo em TensorFlow ou PyTorch.
• Use pipelines de dados de qualquer fonte - As rotinas Keras 3 fit()/evaluate()/predict() são compatíveis com
objetos tf.data.Dataset , com objetos PyTorch DataLoader , com matrizes NumPy e dataframes Pandas.

Seção 3
O Keras 3 superou consistentemente o Keras 2 em todos os modelos de benchmark, com
aumentos substanciais de velocidade em muitos casos. A inferência do SegmentAnything
viu um aumento notável de 380%, o rendimento do treinamento StableDiffusion aumentou
em mais de 150% e o rendimento do treinamento BERT aumentou em mais de 100%.

“Até mesmo as redes de hoje, as quais
são consideradas grandes a partir de
uma visão quanto a sistemas
computacionais, ainda são pequenas se
comparadas ao sistema nervoso de
animais vertebrados relativamente
primitivos, como os sapos.”
Ian Goodfellow
(Google DeepMind)

2.5
M
De desenvolvedores utilizam o Keras em seus
projetos. Ele está presente desde os carros
autônomos da Waymo à ferramenta de
recomendação do YouTube.
Google Crash Course on
Machine Learning

Obrigado!
Ahirton Lopes, PhD. Ele/Dele
Head of Data
ahirtonlopes@gmail.com
https://www.linkedin.com/in/ahirtonlopes
https://github.com/ahirtonlopes
https://x.com/ahirtonlopes

DataSaturday BH - No PhD Required: IA Generativa com Keras

Mais conteúdo relacionado

Mais de Ahirton Lopes

DataSaturday BH - No PhD Required: IA Generativa com Keras

Notas do Editor