Stricto Sensu

Tópicos Especiais em Inteligência Computacional (DEEP LEARNING II)

Objetivos

Deep Learning, também conhecido como aprendizado estruturado profundo, aprendizado hierárquico ou a aprendizagem de máquina de profundidade, é um ramo da aprendizagem por máquina com base em um conjunto de algoritmos que modelam abstrações de alto nível em dados usando um gráfico profundo com várias camadas de processamento, composto por múltiplas transformações não-lineares e lineares. O objetivo da disciplina é estudar modelos recentemente propostos em Deep Learning (DL) e, simultaneamente, desenvolver com os alunos, pesquisas pioneiras em áreas que clamam por inovação a partir de DL, divulgando estes trabalhos em meios científicos de primeira linha.

Ementa

Direct Generative Networks: Generative Adversarial Networks, Convolutinoal Generative Networks, NADE (Neural auto-regressive density estimator). Generative Stochastic Networks; Multi-task learning; Energy Base Learning; T-SNE; Aplicações de Deep Learning em: classificação de imagens satélites, análise sentimental, análise sob incertezas considerando flexibilidades em projetos.

Cursos
  • Mestrado / Doutorado em Engenharia Elétrica
Pré-Requisitos

Professores

Não Disponível.

Bibliografia
  • Nikhil Budum (2017) Fundamentals of Deep Learning Designing Next-Generation Machine Intelligence AlgorithmsPublisher: O'Reilly Media
  • Jordi Torres (2016) First Contact with Tensorflow.book. Universidad de Barcelona press book
  • Nishant Shukla (2017) Machine Learning with TensorFlow. Elsevier
  • Ian Goodfellow and Yoshua Bengio and Aaron (2016). Deep Learning MIT press book.
Avaliação

Provas Teórica e Prática, projeto final, produção e submissão de artigo a periódico.

Carga Horária

3 horas semanais

Outras Informações

Não Disponível.

Ementa Detalhada

Não Disponível