Dados Gerais do Componente Curricular
| Tipo do Componente Curricular: |
MÓDULO |
| Unidade Responsável: |
CCET - DEPARTAMENTO DE INFORMÁTICA E MATEMÁTICA APLICADA (12.05) |
| Código: |
DIM0446 |
| Nome: |
APRENDIZADO PROFUNDO |
| Carga Horária Teórica: |
0 h. |
| Carga Horária Prática: |
30 h. |
| Carga Horária de Ead: |
0 h. |
| Carga Horária Total: |
30 h. |
| Pré-Requisitos: |
( EST0165 OU IMD0033 OU DIM0132 OU EST0322 OU ECT2207 ) E ( MAT0421 OU MAT0309 OU MAT0313 OU ECT2202 )
|
| Co-Requisitos: |
|
| Equivalências: |
|
| Excluir da Avaliação Institucional: |
Não |
| Matriculável On-Line: |
Sim |
| Horário Flexível da Turma: |
Sim |
| Horário Flexível do Docente: |
Sim |
| Obrigatoriedade de Nota Final: |
Sim |
| Pode Criar Turma Sem Solicitação: |
Sim |
| Necessita de Orientador: |
Não |
| Possui Subturmas: |
Não |
| Exige Horário: |
Sim |
| Quantidade de Avaliações: |
3 |
| Ementa/Descrição: |
Introdução aprendizado profundo (AP): definições e histórico. Aprendizado de máquina. Redes neurais. Redes recorrentes. Redes convolucionais. Revisão de conceitos básicos: probabilidade, álgebra linear e otimização. Otimização, treinamento e regularização de modelos de AP. Mecanismos de atenção e transformadores. Fine-tuning e transfer learning. Modelos geradores: autocodificadores variacionais (variational autoencoders, VAE), redes geradoras adversárias (generative adversarial networks, GAN) e modelos probabilísticos difusores. Modelos de linguagem gigantes. Aplicações de AP. |
|
|
|
|
