Redes adversárias generativas (GANs, na sigla em inglês) são uma inovação recente e interessante para
o machine learning. GANs são modelos generativos, porque eles criam novas instâncias de dados
semelhantes aos seus dados de treinamento. Por exemplo, as GANs podem criar imagens que se pareçam
com fotografias de rostos humanos, mesmo que os rostos não pertençam a nenhuma
pessoa real. Estas imagens foram criadas por uma GAN:
As GANs alcançam esse nível de realismo pareando um gerador, que aprende
a produzir a saída de destino com um discriminador, que aprende a distinguir
dados verdadeiros da saída do gerador. O gerador tenta enganar o
discriminador, e o discriminador tenta evitar ser enganado.
O curso aborda as noções básicas sobre a GAN e como usar a biblioteca TF-GAN para criar
GANs.
[null,null,["Última atualização 2022-09-27 UTC."],[[["Generative adversarial networks (GANs) are generative models that create new data instances resembling training data, such as images that look like real photographs but are not of actual people."],["GANs consist of a generator that learns to produce the target output and a discriminator that learns to distinguish real data from generated data, working in tandem to enhance the realism of the output."],["This course covers GAN fundamentals, common GAN loss functions, training challenges, and using the TF-GAN library to build GANs, assuming prior knowledge of machine learning and TensorFlow."],["Completing Machine Learning Crash Course and having some TensorFlow programming experience are prerequisites for this GANs course."]]],[]]
