Deep Learning com o R

class: center, middle, inverse, title-slide

# Deep Learning com o R
## UFBA, 2020
### <img src = 'https://d33wubrfki0l68.cloudfront.net/9b0699f18268059bdd2e5c21538a29eade7cbd2b/67e5c/img/logo/cursor1-5.png' width = '30%'>

---

# Agenda

* O que são redes neurais profundas e como elas se relacionam com o que já sabemos ?

* Que programas podemos usar para trainar esses modelos e como eles se relacionam?

.pull-right[(Spoiler: `torch` e `keras`/`tensorflow`)]

* Como ajustar modelos de deep learning algumas situações específicas?

---

# O que preciso saber?

* Regressão linear
* Regressão logística
* R + Pipe!

## `%>% %>% %>% %>% %>% %>% %>% %>% %>% %>% %>% %>%`

---

# Referências

.pull-left[

* [Deep Learning Book](https://www.deeplearningbook.org)
* [Deep Learning with R](https://www.manning.com/books/deep-learning-with-r)
* [RStudio AI blog](https://blogs.rstudio.com/ai/)

]

.pull-right[

![](https://images-na.ssl-images-amazon.com/images/I/61fim5QqaqL._SX373_BO1,204,203,200_.jpg)

]

---

# Por que é importante?

* Muito hype em torno do tema.

* Mercado de trabalho exige cada vez mais.

* Uma parte considerável dos avanços na estatística atuais ocorrem no contexto de deep learning.

---

# Por que *profundo*?

* Nós usamos uma composição de operações não lineares, chamadas *camadas*, para aprender uma representação do que estamos estudando
* O número de camadas é o que dá a "profundidade"
* Hoje em dia temos modelos com centenas de camadas

## Nomes alternativos

- Aprendizado de representação em camadas
- Aprendizado de representação em camadas

---

## Modelos lineares generalizados

- Regressão linear: rede neural com uma camada, sem ativação
- Regressão logística: rede neural com uma camada, com ativação sigmoide (inversa da função logística)

---

# Regressão logística

---

# Regressão logística

Função deviance: equivale à verossimilhança

`$$D(y,\hat\mu(x)) = \sum_{i=1}^n 2\left[y_i\log\frac{y_i}{\hat\mu_i(x_i)} + (1-y_i)\log\left(\frac{1-y_i}{1-\hat\mu_i(x_i)}\right)\right]$$`

`$$= 2 D_{KL}\left(y||\hat\mu(x)\right),$$`

onde `$D_{KL}(p||q) = \sum_i p_i\log\frac{p_i}{q_i}$` é a divergência de Kullback-Leibler.

---

# Regressão logística

Ajuste do modelo:

Método de Fisher-Scoring (baseado no Newton-Raphson).

`$$\boldsymbol\beta^{(m+1)}=\boldsymbol\beta^{(m)} + \{\mathcal I_{\beta\beta}^{-1} \}^{(m)}\mathbf U_\beta^{(m)}$$`
--

Implementação:

Em MLG, equivale a um problema de mínimos quadrados ponderados iterados.

`$$\boldsymbol\beta^{(m+1)} = (\mathbf X^{\top} \mathbf W^{(m)} \mathbf X)^{-1}\mathbf X^{\top} \mathbf W^{(m)}\mathbf z^{(m)},$$`
`$$\mathbf z = \mathbf X \boldsymbol\beta + \mathbf W^{-1/2}\mathbf V^{-1/2}(\mathbf y -\boldsymbol\mu)$$`

---
class: center

## Rede neural: como funciona?

![](https://user-images.githubusercontent.com/4706822/48164527-e4d0e780-e2c9-11e8-91b5-1490cd3eca92.png)

---

# Rede neural 1 camada

- Linear transformation of `$x$`, add bias and add some nonlinear activation.

`$$f(x) = \sigma(wx + b)$$`

---

## Rede neural 1 camada

Função de perda:

`$$D_{KL}(p(x)||q(x))$$`

---

# Rede neural 1 camada

Ajuste do modelo: Descida de gradiente

`$$\boldsymbol\beta^{(m+1)}=\boldsymbol\beta^{(m)} - \alpha\mathbf U_\beta^{(m)}$$`

Implementação super simples:

```
for(i in 1:num_epochs) {
  grads <- compute_gradient(data, params)
  params <- params - learning_rate * grads
}
```

---

## Descida estocástica

---

## Bibliotecas computacionais

.pull-left[

#### Tensorflow

- Google
- Faz **diferenciação automática**
- Utiliza GPU

]

.pull-right[

#### Torch

- Facebook
- Faz **diferenciação automática**
- Utiliza GPU
- Possui algumas ferramentas para deep learning

]

---

# Keras

* Especifica modelos deep learning de forma intuitiva.
* Utiliza o TensorFlow como backend.
* Implementada originalmente em `python`.
* Muito utilizada nos dias de hoje

![](https://files.slack.com/files-pri/T65A3BF9R-F01D079V50S/image.png?pub_secret=cdb50d1f12)

---

### Keras + R

* Pacote: [`keras`](https://github.com/rstudio/keras).
* Baseado em [reticulate](https://github.com/rstudio/reticulate).
* Mantido por um brasileiro (Daniel Falbel, @dfalbel).
* sintaxe tidy, usando o `%>%`.

### Torch + R

* Pacote: [`torch`](https://github.com/mlverse/torch).
* Baseado inteiramente na libtorch, em C e C++. Sem dependência do python.
* Mantido por um brasileiro (Daniel Falbel, @dfalbel).
* Em fase inicial de desenvolvimento.

---

# GPU

Graphical Processing Unit

- Com ela, paralelizamos as computações em maior volume do que é possível com um processador.
- Resultados 50x, 100x mais rápidos.

![](imgs/nvidia.gif)

---

## Vantagens e desvantagens

### R e python

- Python está mais avançado e tem comunidade maior.
- Desenvolver em R traz mais aprendizado sobre o tema.

### keras e torch

- `{keras}` tem mais recursos, mas depende do python.
- `{torch}` tem muito potencial, mas está no começo.

![](imgs/pngwing.com.png)

---
class: center

## Exemplo 01: Regressão linear

![](https://acegif.com/wp-content/uploads/cat-typing-2.gif)

---
class: center

## Exemplo 02: MLP

![](https://acegif.com/wp-content/uploads/cat-typing-7.gif)

---
class: center

# Ativação

![](https://user-images.githubusercontent.com/4706822/48278301-48772400-e434-11e8-9487-641d2a79c2f8.png)

---
class: center

## Exemplo 03: Convolucionais

![](https://acegif.com/wp-content/uploads/cat-typing-4.gif)

---

# Convoluções

---
class: center

# Max Pooling

![](https://user-images.githubusercontent.com/4706822/48281479-df94a980-e43d-11e8-9dcf-e67d7ba053e4.png)

---

# Resumo

- Deep learning é como uma regressão não linear estruturada.

- Os modelos são flexíveis e a arquitetura é transparente.

- GPU ajuda muito no ajuste dos modelos.

- Podemos usar `{keras}` e `{torch}` para ajustar os modelos.

---
class: center, inverse

## Curso completo

https://www.curso-r.com/cursos/deep-learning/

## Links

https://curso-r.com

https://curso-r.com/blog

https://github.com/curso-r

Email: [jtrecenti@curso-r.com](mailto:jtrecenti@curso-r.com)

Telegram/github/twitter: @jtrecenti

Código: https://github.com/jtrecenti/slides

Apresentação: https://jtrecenti.github.io/slides/ufba2020