Aprendizado Profundo

Objetivo Geral

Conhecer, compreender e aplicar os conceitos de codificação neural, modelos de neurônios e redes neurais artificiais (ANN), treino, validação e teste de ANN, modelos de aprendizagem profunda e respectivo hardware, plataformas de software e aplicações; pretende-se ainda aprender o conceito de tratamento de grandes volumes de dados.

Ementa

Neurónios e Codificação Neural; Neurônios Artificiais; Perceptron e Redes Neuronais Artificiais; Aprendizagem por Retropropagação (Backpropagation); Conjuntos de Dados, Treino, Validação e Teste de Redes Neurais; Aprendizagem Profunda; Principais Arquiteturas de Redes Neurais Profundas; Bibliotecas e Plataformas para Aprendizagem Profunda; Complementos de Redes Neurais; Aplicação de Redes Neurais; Processamento de Grandes Volumes de Dados (Big Data).

Bibliografia Básica

• FACELI, Kati, et. al. Inteligência Artificial – uma abordagem de aprendizado de máquina. Rio de Janeiro: LTC, 2015.(RB=34)
• GÉRON, Aurélien. Mãos à obra: aprendizado de máquina com Scikit-Learn & TensorFlow. Editora Alta Books, 2019.
• GLASSNER, Andrew. Deep Learning: A Visual Approach. Illustrated ed. San Francisco: No Starch Press, 2021.

Bibliografia Complementar

• GOODFELLOW, Ian; BENGIO, Yoshua; COURVILLE Aaron. Deep Learning. MIT Press, 2016. Disponível em: <http://www.deeplearningbook.org>.
• RUSSEL, Stewart; NORVING, Peter. Inteligência Artificial - Uma Abordagem Moderna. 4. ed. São Paulo: GEN LTC, 2022.
• ZHANG, Aston; LIPTON, Zachary C.; LI, Mu; SMOLA, Alexander J. Dive into Deep Learning. arXiv preprint arXiv:2106.11342. 2021.