O documento apresenta uma introdução ao Keras, uma API de alto nível para criação de modelos de aprendizado de máquina, destacando suas características, casos de uso em IA generativa, e as melhorias na nova versão Keras 3. Keras é amplamente adotado na indústria e na pesquisa, proporcionando uma experiência de usuário aprimorada e melhor performance em comparação a outros frameworks. O autor também menciona a importância dos modelos generativos e fornece exemplos práticos durante a palestra.

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

2. Triângulo
Head of Data
Professor de MBA e Corporate @ FIAP + Alura
Google Developer Expert – Machine Learning
Most Valuable Professional – AI Platform @ Microsoft
LinkedIn Top Voice
Doutor em Engenharia Elétrica e Computação pela Universidade Presbiteriana
Mackenzie (UPM)
Organizador do podcast da Lambda3
Pesquisador em Machine e Deep Learning
Ahirton Lopes, Eng., MSc., PhD.

3. 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

4. Introdução: o que é o
Keras?
Triângulo
Por que utilizar o Keras em
2025?

5. 1N73L163NC1
4 3 4
H481L1D4D3
D3 53
Ahirton Lopes @ahirtonlopes

6. Keras é a API oficial de criação de modelos de alto nível do TensorFlow
Ahirton Lopes @ahirtonlopes

7. • 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
Ahirton Lopes @ahirtonlopes

8. Quem faz o Keras?
Ahirton Lopes @ahirtonlopes

9. • 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

10. IA Generativa com
Keras
Triângulo
A parte da palestra onde eu
falo algumas verdades
difíceis

11. Seção 2 Como a maioria das empresas acreditam
que redes neurais funcionam!
Ahirton Lopes @ahirtonlopes

12. Seção 2 Como as redes neurais realmente funcionam (short version)!
Ahirton Lopes @ahirtonlopes

13. Seção 2 Como as redes neurais realmente funcionam (short version)!
Ahirton Lopes @ahirtonlopes

14. Seção 2 Como IA generativa funciona (short
version)!
Ahirton Lopes @ahirtonlopes

15. 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)!
Ahirton Lopes @ahirtonlopes

16. 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)!

17. Seção 2 Como o Keras pode ser utilizado em um fluxo de construção
de redes neurais (very short version)!
Ahirton Lopes @ahirtonlopes

18. Construindo seus
primeiros modelos
com Keras

19. Seção 3 Como o Keras pode ser utilizado em um fluxo de construção
de redes neurais generativas (very short version)!
Ahirton Lopes @ahirtonlopes

20. Seção 3 Demos e Exemplos
Demos da Palestra no Github
Ahirton Lopes @ahirtonlopes

21. Seção 3 Demo - Variational
Autoencoders

22. Seção 3 Demo - Variational
Autoencoders
Ahirton Lopes @ahirtonlopes

23. Seção 3 Demo - Variational
Autoencoders
Ahirton Lopes @ahirtonlopes

24. 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.
Ahirton Lopes @ahirtonlopes

25. 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%.

26. “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)
Ahirton Lopes @ahirtonlopes

27. 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

28. Obrigado / Thank you!
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