15 lines
1.4 KiB
Markdown
15 lines
1.4 KiB
Markdown
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "47f7d3c6a5373543e051e4d1140ce898",
|
|
"translation_date": "2025-08-24T08:53:35+00:00",
|
|
"source_file": "lessons/5-NLP/16-RNN/assignment.md",
|
|
"language_code": "pt"
|
|
}
|
|
-->
|
|
# Tarefa: Notebooks
|
|
|
|
Utilizando os notebooks associados a esta lição (seja a versão em PyTorch ou TensorFlow), execute-os novamente usando o seu próprio conjunto de dados, talvez um do Kaggle, utilizado com a devida atribuição. Reescreva o notebook para destacar as suas próprias conclusões. Experimente um tipo diferente de conjunto de dados e documente as suas descobertas, utilizando texto como [este conjunto de dados de uma competição do Kaggle sobre tweets relacionados ao clima](https://www.kaggle.com/competitions/crowdflower-weather-twitter/data?select=train.csv).
|
|
|
|
**Aviso Legal**:
|
|
Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos pela precisão, esteja ciente de que traduções automáticas podem conter erros ou imprecisões. O documento original na sua língua nativa deve ser considerado a fonte autoritária. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes do uso desta tradução. |