SIGAA - Sistema Integrado de Gestão de Atividades Acadêmicas

Resumo do Componente Curricular

Dados Gerais do Componente Curricular
Tipo do Componente Curricular:	DISCIPLINA
Unidade Responsável:	PROGRAMA DE PÓS-GRADUAÇÃO EM INFORMÁTICA (11.00.43.56.07)
Código:	PPGI040
Nome:	REDES NEURAIS E APRENDIZADO PROFUNDO
Carga Horária Teórica:	45 h.
Carga Horária Prática:	15 h.
Carga Horária Total:	60 h.
Pré-Requisitos:
Co-Requisitos:
Equivalências:
Excluir da Avaliação Institucional:	Não
Matriculável On-Line:	Sim
Horário Flexível da Turma:	Não
Horário Flexível do Docente:	Sim
Obrigatoriedade de Nota Final:	Sim
Pode Criar Turma Sem Solicitação:	Não
Necessita de Orientador:	Não
Exige Horário:	Sim
Permite CH Compartilhada:	Não
Permite Múltiplas Aprovações:	Não
Quantidade de Avaliações:	3
Ementa/Descrição:	Introdução à Inteligência Artificial. Fundamentos de redes neurais. Perceptron, o problema do XOR e as redes de múltiplas camadas. Algoritmo de retro-propagação. Redes Profundas. Funções de ativação. Aprimorando a capacidade de generalização das redes profundas. Sobre-ajuste e sub-ajuste. Balanço viés-variância. Refinamento de hiperparâmetros. Estratégias de treinamento. Algoritmos de otimização amplamente utilizados em redes neurais profundas. Estratégias de validação cruzada. Tratamento de dados heterogêneos, estruturados ou não estruturados. Redes neurais convolucionais. Típicas topologias de redes neurais convolucionais. Redes neurais recorrentes. Unidade recorrente simples. Unidade recorrente de porta única. Redes LSTM.
Referências:	BÁSICAS: 1. Goodfellow, I., Bengio, Y., Courville, A. “Deep Learning”. MIT Press. 2016. Disponível em https://www.deeplearningbook.org/ 2. Nielsen, M. “Neural Networks and Deep Learning”. Determination Press, 2015. Disponível em http://neuralnetworksanddeeplearning.com/ 3. Chollet, F. “Deep Learning with Python”. Manning Publications, 2018. COMPLEMENTARES: 1. Haykin, S. “Neural Networks and Learning Machines”. Pearson, 3rd Ed. 2. Braga, A. “Redes Neurais Artificiais. Teoria e Aplicações”. LTC, 2007. 3. Géron, A. “Hands-On Machine Learning with Scikit-Learn and TensorFlow”. O’Reilly.

<< Voltar