1. Introdução a Machine Learning: descrição do curso e introdução a algoritmo Back Propagation, redes neurais artificiais, exemplos e aplicações.
2. Introdução a computação paralela e Big data: diferenciação entre os tipos de processador e memória; sistemas paralelos com memória distribuída/compartilhada. Arquiteturas para grandes massas de dados.
3. Deep Learning: importância e relevância, estado da arte, algoritmos e aplicações.
4. Deep Neural Networks: problemas, aplicações e exemplos.
5. Redes neurais Convolucionais, redes neurais recorrentes, arquiteturas, diferenças, frameworks.
6. Aplicações em processamento de imagem, análise de sentimentos, benchmarks.
7. Introdução a Python
8. Deep Learning com Python, introdução, bibliotecas e algoritmos básicos.
9. Introdução a Linux e manipulação de dados, interação com o cluster.
10. Interface DIGITS Nvidea, introdução a deep learning GPU.
11. Aplicações em processamento de imagem.