12 de Abril: Apresentação (Adriano, Bernardo, Pedro & Roberto)

14 de Abril: Introdução às Redes Neurais (Roberto Velho), Slides

19 de Abril - Oficina 1: Redes neurais "caseiras"

• Artigo Higham & Higham, Tutorial para entender o código Matlab

21 de Abril: FERIADO

26 de Abril - Oficina 2: Redes neurais em Matlab & Python

• Tico e Teco em python

28 de Abril: Redes Neurais e Otimização (Bernardo Costa, UFRJ)

• Slides

• Uma explicação do algoritmo de Gradiente Descendente

• Colorindo imagens com GANs (redes neurais adversariais), Outra aplicação a imagens / vídeo

• Um artigo de 2021 sobre completamento de imagens

3 de Maio - Oficina 3: Pytorch

• Tutorial Pytorch da NeuroMatchAcademy

• Cheat Sheet PyTorch

• Aleatoriedade e "seed" no pytorch

• Livro de python, gratuito, com classes nos capítulos 8 e 9

5 de Maio - Oficina 4: Continuação de redes neurais pytorch

• Tensores e GPUs

• Exercício: Treinar uma rede neural simples para resolver um problema de classificação inspirado no Tutorial #1 da Neuromatch Academy

  • Dicas:

    1. Comece aprendendo o básico de PyTorch no seu próprio ritmo

    2. Para facilitar, escolha datasets já inclusos no PyTorch ou dados em formato CSV ou Tabular

    3. Copie, cole, e/ou recicle os pedaços úteis dos códigos apresentados no Tutorial #1

10 de Maio: Oficina 5: Problemas de Classificação

• Dados de AVC (tabulares, categóricos)

12 de Maio: Redes Neurais convolucionais (Adriano Côrtes, UFRJ)

17 de Maio: Oficina 6:

• Revisão dos problemas de classificação

• Revisão de Redes Convolucionais

19 de Maio: Tutorial redes convolucionais (Adriano Côrtes, UFRJ)

24 de Maio: Oficina 7

• Notebook do Gabriel, reconhecimento de caracteres

• https://www.boston.com/news/health/2022/05/18/scientists-create-ai-race-from-x-rays-dont-know-how-it-works-harvard-mit/

• Função do Scikit-Learn para separar um conjunto de dados em treino/teste

26 de Maio: (Pedro Maia, UTA)

31 de Maio: Oficina 8

• Felipe Sinnecker: classificação de vulcões com redes convolucionais

• Gabriel Badiola e Leonardo Belo: FashionMNist

2 de Junho: Temas para as próximas oficinas

• Tema 1: Taxa de aprendizado e profundidade

• Tema 2: Inicialização de redes neurais

• Tema 3: Aproximação de funções por ReLU (Uma demonstração do Acker)

• Tema 4: Redes profundas ou redes largas?

7 de Junho: Modelos com EDOs etc (Roberto Velho)

9 de Junho: Oficina 9

• Taxa de Aprendizado e profundidade (Ademir Castro)

• Gradiente Estocástico (Bernardo Costa, UFRJ)

14 de Junho: Oficina 10: Inicialização de Redes Neurais

• Diego Sobrinho

• Álvaro Carvalho

16 de Junho: Corpus Christi

21 de Junho: Excepcionalmente suspendida.

23 de Junho: Oficina 11:

• Aproximação Universal

  • Gabriel Badiola

  • Leonardo Belo

• Algoritmos de otimização

  • Gabriel Verdun

28 de Junho: Apresentação e Distribuição Projetos Finais:

30 de Junho: Redes Neurais para problemas com EDOs (Roberto Velho, Sarpen Quant Investments)

05 Julho: Oficina 12: Redes profundas versus largas:

• Michele Figueiredo

• Felipe Sinnecker

• Sebastião

07 Julho: Pedro Maia.

12 Julho: Tutoria Projetos Alunos.

14 Julho: Claudio Verdun - Univ. Munique.

19 Julho: Tutoria Projetos Alunos.

21 Julho: Tutoria Projetos Alunos.

26 Julho: Tutoria Projetos Alunos.

28 Julho: Tutoria Projetos Alunos.

• Image downscaling

• Pêndulo múltiplo experimental

02 Agosto: Apresentação Projetos: Álvaro Carvalho, Sebastião Rodrigo, Gabriel Verdun, Felipe Sinnecker;

04 Agosto: Apresentação Projetos: Leonardo Belo, Michele Figueiredo, Ademir Castro, Gabriel Badiola.