Apolo

Atividade

106980 - Redes Neurais e Aprendizado Profundo

Período da turma:

30/09/2023 a 02/12/2023

Selecione um horário para exibir no calendário:

Descrição:

Objetivos: 
Oferecer a base conceitual necessária pra aplicações de deep learning. Inicialmente, redes neurais tradicionais são apresentadas e posteriormente foco é dado no aprendizado de máquina com arquiteturas profundas e suas aplicações para dados estruturados e não estruturados, com implementação em Python utilizando e Keras com Tensorflow.

Ementa: 
1. Histórico do desenvolvimento de redes neurais artificiais
2. Redes Multi-Layer Perceptron
3. Convolutional Neural Networks
4. Práticas recomendadas de aprendizado para avaliação de modelos e ajuste de hiperparâmetros
5. Transferência de aprendizado de características
6. Redes auto-associativas (auto-encoders)
7. Introdução ao aprendizado adversarial
8. Redes Neurais para dados sequenciais
9. Introdução ao aprendizado por reforço com redes neurais
10. Tópicos avançados em redes neurais profundas

Referências: 
1. Sebastian Raschka and Vahid Mirjalili (2017). Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 2nd Edition, Packy.
2. Ian Goodfellow; Yousha Bengio; Aaron Courville. Deep Learning, MIT press.
3. Francois Chollet (2018). Deep Learning with Python 1st Edition, Manning Publications.
4. Douwe Osinga (2018). Deep Learning Cookbook: Practical Recipes to Get Started Quickly, O'Reilly Media.
5. Rodrigo F. Mello and Moacir A Ponti (2018). Machine Learning: a practical approach on the statistical learning theory. Springer.
6. Moacir A. Ponti; Leo S.F. Ribeiro; Tiago S. Nazare; Tu Bui; and John Collomosse. Everything you wanted to know about deep learning for computer vision but were afraid to ask. In 2017 30th SIBGRAPI conference on graphics, patterns and images tutorials (SIBGRAPI-T) (pp. 17-41). IEEE.

Carga Horária:

40 horas

Tipo:

Obrigatória

Vagas oferecidas:

300

Ministrantes:

Moacir Antonelli Ponti

voltar