Portal do Ementário

Entender e aplicar redes neurais profundas em uma ampla variedade de domínios (problemas).

Fundamentos de Otimização: técnicas de otimização não restringida, métodos baseados no gradiente descendente. Fundamentos de Aprendizagem de Máquinas: regressão e classificação linear, perceptron. Fundamentos de Redes Neurais: redes neurais multicamadas, backpropagation. Redes Neurais Convolucionais: convolução, arquitetura, treinamento. Técnicas de Regularização: funções de penalidade, dropout, etc.. Transfer Learning. Aplicações.

1. GOODFELLOW, Ian, BENGIO, Yoshua, COURVILLE, Aaron. Deep Learning. MIT Press. 2016. http://www.deeplearningbook.org 2. HAYKIN, Simon S. Neural networks and learning machines. 3rd ed. New York, N.Y.: Prentice Hall, 2009. xxx, 906 p. 3. HAYKIN, Simon S. Redes neurais: princípios e prática. 2. ed. Porto Alegre: Bookman, 2001. xxv, 900 p. 

1. BISHOP, Christopher M. Neural networks for pattern recognition. Oxford: Clarendon Press, 1995. 482p. 2. COLLET, François. Deep Learning with Python, Shelter Island, NY, Manning Publications Co, 2018. 3. FU, LiMin. Neural networks in computer intelligence. New York, N.Y.: McGraw-Hill, c1994. xix, 460p. ((McGraw-Hill series in computer science)). 4. RIPLEY, Brian D. Pattern recognition and neural networks. Cambridge: Cambridge University Press, 1996. 403p. 5.  ZHANG, Aston, LIPTON, Zack C., LI, Mu, SMOLA, Alex J. Dive into Deep Learning, 2020, https://d2l.ai/