Apolo

Atividade

89705 - Redes Neurais e Arquiteturas Profundas

Período da turma:

26/09/2020 a 20/11/2020

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 com Python, scikit-learn e TensorFlow.

Ementa: 

1. Redes Multi-Layer Perceptron
2. Convolutional Neural Networks
3. Práticas recomendadas de aprendizado para avaliação de modelos e ajuste de hiperparâmetros
4. Redes auto-associativas (Auto-encoders)
5. Classificando Imagens com Redes Neurais Convolucionais Profundas
6. Transferência de aprendizado de características
7. Modelando Dados Sequenciais Usando Redes Neurais Recorrentes
8. Redes de aprendizado por reforço (Reinforcement Learning)
9. Implementação de Redes Neurais Profundas em Keras e Tensor-flow

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.

Carga Horária:

40 horas

Tipo:

Obrigatória

Vagas oferecidas:

167

Ministrantes:

Moacir Antonelli Ponti

voltar