Neste desafio, você irá construir e treinar um autoencoder variacional (VAE) no conjunto de dados MNIST — passo a passo. Você definirá a arquitetura, implementará o truque de reparametrização, criará a função de perda personalizada e executará todo o processo de treinamento.

Para facilitar sua experiência, você pode escolher uma das seguintes opções para trabalhar com o código:

• Baixar o notebook e executá-lo localmente em seu ambiente favorito (por exemplo, VSCode, Jupyter, PyCharm);
• Abrir no Google Colab - apenas um clique e tudo estará pronto para rodar online.

Ao abrir o notebook, você verá uma série de tarefas. Cada tarefa inclui:

• Instruções claras;
• Código com lacunas para preencher;
• Verificadores que validam sua solução.

Quando sua implementação estiver correta, o verificador exibirá uma chave curta. Colete todas as chaves de cada etapa — você precisará delas ao final.