Programa

Em parceria com Intel AI Academy


Aula 1

Redes Neurais Artificiais

o Introdução a Redes Neurais

o Definição e conceitos

o Características básicas

o História

o Redes Perceptron

o Redes Multilayer Perceptron

o Funções de Ativação

Cases Práticos

o Previsão do preço de aparelhos celulares


Aula 2

Algoritmos de Aprendizado

o Aprendizado de Hebb, Competitivo, Boltzmann, Backpropagation.

Aprendizado Supervisionado

o Classificação e Regressão

Convergência e Generalização

Problemas comuns: definição do tamanho da rede, paralisia da rede e mínimos locais

Taxa de aprendizado e momento

Cases Práticos

o Marketing

o Detecção de intrusão 


Aula 3

Redes de aprendizagem profunda

o Conceitos básicos

o Arquitetura

o Avanços

o Desafios

o Aplicações

Cases Práticos

o Câncer de mama

o Churn


Aula 4

Redes Convolucionais

o Os conceitos básicos

o Processamento de imagens

o Visão computacional

o Aplicações

Cases Práticos

o Reconhecimento de cachorros e gatos através de imagens


Aula 5

Redes Convolucionais

o Aplicações em diferentes áreas do conhecimento


Aula 6

Data Augmentation

o Geração de dados

o Transformações

Modelos Pré-treinados

o AlexNet

o VGG

o ResNet

Trasfer Learning

Cases Práticos


Aula 7

Processamento de Linguagem Natural


Aula 8

Autoencoder

o Conceitos básicos

o Overcomplete autoencoder

o Undercomplete autoencoder

o Sparse autoencoder

o Denoising autoencoder

o Contractive autoencoder

o Stacked autoencoder

o Deep autoencoder

o Aplicações

Cases

o Mnist

o Mnist fashion


Aula 9

Redes Neurais Recorrentes 

LSTM


Aula 10

Processamento de Linguagem Natural

Text Mining


Aula 11

Processamento de Linguagem Natural – Avançado


Aula 12

Processamento de Linguagem Natural - Exercícios


Aula 13

Amostragem

Cases Práticos

o Proxy por RN


Aula 14

Generative Adversarial Neural Network - GAN


Aula 15 – Oficina Prática