como criar um sub-dataset para testar o seu modelo antes de usar o dataset inteiro (dica: idx = np.random.permutation(range(n))[:2000])?
como transformar o tipo das colunas de uma tabela pandas em um tipo categoria (dica: categorify = Categorify(small_cat_vars, small_cont_vars))?
como lidar com os dados ausentes (dica: fill_missing = FillMissing(small_cat_vars, small_cont_vars))?
como executar todos os pré-processamentos na criação do Databunch (dica: procs=[FillMissing, Categorify, Normalize])?
como decidir que variáveis são de tipo categoria ou continuou?
como na criação do Databunch transformar um dataset de classificação para regressão linear (dica: label_cls=FloatList)?
o que é dropout? por quê usar dropout (dica: overfitting)? a gente aplica dropout nas ativações ou nos parâmetros? que papel apresentou o primeiro o dropout (dica: link)?
o que é Batch Normalization (BN)? pode aumentar o Learning Rate usando o BN? quantos parâmetros têm de ser aprendizados por BN? quais são os 2 impactos de usar o BN no treinamento do modelo (dicas: re… e tempo m…)?
o que é Data Augmentation (DA)? quais são os parâmetros (lista de transformações) da DA (dica: get_transforms())?
o que é um heatmap (dica: show_heatmap())?
o que é um modelo ConvNet? o que é uma convolução?
como obter a arquitetura e números de parâmetros do seu modelo no fastai (dicas: learn.model e learn.summary())?
como criar um minibatch com um item (dica: data.one_item())?
o que é um hook no PyTorch e fastai?
Execute novamente seus primeiros notebooks sobre classificação de imagens com esses novos truques e tente melhorar o conteúdo de seus modelos (atualize as postagens relacionadas)
