Introdução à Aprendizagem Profunda de Máquina

Ministrantes: Heitor Soares Ramos Filho (UFAL), Pedro Henrique Silva Souza Barros (UFAL) e Isadora Cardoso (UFMG)

Ementa: Desde o início da criação dos computadores programáveis, o imaginário coletivo se questionava se essas máquinas poderiam se tornar inteligentes. Atualmente, a Inteligência Artificial é uma área de estudo ativa que tem resolvido uma grande parte de problemas que antes eram resolvidos apenas por humanos. Por exemplo, aplicamos Inteligência artificial para automatizar rotinas de trabalho, entender textos, imagens e voz, auxiliar o diagnóstico médico, dentre tantas outras tarefas. Desde os primórdios da área, os computadores resolviam problemas que eram de difícil solução para os humanos, porém, eram facilmente tratados pelas máquinas. Essa classe de problemas geralmente envolve uma lista de regras matemáticas formais. Entretanto, o principal desafio para os computadores são os problemas que são resolvidos de maneira intuitiva para os seres humanos, porém são difíceis de serem descritos de uma maneira formal, como o reconhecimento de palavras em um discurso e o reconhecimento de objetos em imagens. Este curso é focado na subárea da Inteligência Artificial que trata de resolver esses problemas mais intuitivos. Esses problemas são resolvidos ao ensinar o computador a aprender a dar soluções através da experiência. Através do aprendizado pela experiência, não se faz necessário descrever formalmente os problemas que serão resolvidos. O campo de estudo interessado no desenvolvimento de algoritmos computacionais capazes de transformar dados em ações inteligentes é chamado de Aprendizagem de Máquina. Na era do Big Data esses modelos que viabilizam a aprendizagem através da experiência cresceram em complexidade e nasceu a área chamada Aprendizagem Profunda de Máquina, objeto de estudo desta proposta de minicurso.

Público alvo: Alunos de graduação e Alunos de pós-graduação

Local: CTEC - Velho - Sala 03

Datas: 23 a 26/07 - das 08h às 10h

Conteúdo Programático

    • Aula 1: Introdução à Aprendizagem (Profunda) de Máquina
    • Aula 2: Multilayer Perceptrons, Deep Feed Forward Networks e suas aplicações
    • Aula 3: Redes Convolucionais (Convolutional Neural Networks) e suas aplicações (Imagens e Textos)
    • Aula 4: Modelagem Sequencial: Redes Recorrentes e Recursivas e suas aplicações em análises de séries temporais.