{"id":5860,"date":"2023-04-17T18:01:29","date_gmt":"2023-04-17T21:01:29","guid":{"rendered":"https:\/\/www.inf.ufrgs.br\/ppgc\/?page_id=5860"},"modified":"2023-04-17T18:01:29","modified_gmt":"2023-04-17T21:01:29","slug":"cmp618","status":"publish","type":"page","link":"https:\/\/www.inf.ufrgs.br\/ppgc\/disciplinas\/lista-de-disciplinas\/cmp618\/","title":{"rendered":"CMP618"},"content":{"rendered":"

CMP618 – T\u00f3picos Especiais em Computa\u00e7\u00e3o DCXVIII:\u00a0 Aprendizado Profundo<\/strong><\/p>\n

Respons\u00e1vel: Anderson Rocha Tavares<\/a>
\nN\u00famero de cr\u00e9ditos\/carga hor\u00e1ria: 4 cr\u00e9ditos\/60 horas aula
\nMatricula de Graduandos: aluno especial<\/p>\n

RESUMO
\nNeur\u00f4nio artificial e sua organiza\u00e7\u00e3o em diversas arquiteturas de redes profundas.<\/p>\n

Objetivos
\nApresentar conceitos, t\u00e9cnicas e aplica\u00e7\u00f5es de aprendizado profundo, assim como
\nas principais ferramentas para prototipagem e avalia\u00e7\u00e3o de modelos.<\/p>\n

Programa
\n\u25cf Neur\u00f4nio artificial: principio, fun\u00e7\u00f5es de ativa\u00e7\u00e3o, treino por descida de
\ngradiente.
\n\u25cf Perceptron multicamadas e backpropagation
\n\u25cf Processamento de imagens: redes convolucionais
\n\u25cf Processamento de grafos: graph neural networks
\n\u25cf Processamento de texto: transformers
\n\u25cf IA generativa
\n\u25cf Fronteiras e limita\u00e7\u00f5es de aprendizado profundo
\n\u25cf Aprendizado profundo e a humanidade<\/p>\n

Procedimentos did\u00e1ticos
\n– Aulas expositivas e de exerc\u00edcios;
\n– Aulas de laborat\u00f3rio;
\n– Projeto extra-classe;
\n– Semin\u00e1rios<\/p>\n

Procedimento de avalia\u00e7\u00e3o
\nO desempenho do aluno ser\u00e1 avaliado da seguinte forma:
\n\u25cf Prova: avalia\u00e7\u00e3o te\u00f3rica dos fundamentos e conceitos da disciplina
\n\u25cf Exercicios de laborat\u00f3rio: implementa\u00e7\u00e3o de algoritmos b\u00e1sicos e avalia\u00e7\u00e3o
\nde modelos
\n\u25cf Projeto final: aplica\u00e7\u00e3o e\/ou melhoria de sistema de aprendizado profundo
\npara um benchmark ou problema relevante;
\n\u25cf Semin\u00e1rios: apresenta\u00e7\u00e3o de temas relevantes e participa\u00e7\u00e3o nos semin\u00e1rios
\ndos colegas.<\/p>\n

Composi\u00e7\u00e3o da nota final (NF):<\/p>\n

NF = (Prova*0,3) + (Labs*0,2) + (Projeto*0,3) + (Semin\u00e1rios*0,2)<\/p>\n

Ser\u00e1 aprovado o aluno que obtiver nota final (NF) acima de 6. Os conceitos ser\u00e3o atribu\u00eddos da seguinte forma:
\nConceito A: NF >= 9,0
\nConceito B: NF >=7,5 e < 9,0
\nConceito C: NF >= 6,0 e < 7,5
\nConceito D: NF < 6,0
\nConceito FF: caso o aluno n\u00e3o obtenha frequ\u00eancia m\u00ednima de 75% (sem direito a recupera\u00e7\u00e3o).
\nO aluno pode fazer uma prova de recupera\u00e7\u00e3o (Rec) que substitui a nota da Prova,
\nLaborat\u00f3rios e Semin\u00e1rios, sendo sua nova final com recupera\u00e7\u00e3o (NFR) calculada como:
\nNFR = (Rec*0,7) + (Projeto*0,3).
\nCaso obtenha NFR superior a 6, o aluno ser\u00e1 aprovado com conceito final C; caso contr\u00e1rio, ser\u00e1 reprovado com conceito final D.
\nBIBLIOGRAFIA B\u00c1SICA
\nGOODFELLOW, Ian; BENGIO, Yoshua; COURVILLE, Aaron. Deep learning. MIT press, 2016.
\nMichael A. Nielsen, Neural Networks and Deep Learning, Determination Press,
\n2015 (http:\/\/neuralnetworksanddeeplearning.com )
\nRUSSELL, Stuart J.; NORVIG, Peter. Artificial Intelligence: A Modern Approach (4th<\/sup> Edition), 2020
\nGoodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., … & Bengio, Y. (2020). Generative adversarial networks. Communications of the ACM, 63(11), 139-144
\nWu, Z., Pan, S., Chen, F., Long, G., Zhang, C., & Philip, S. Y. (2020). A comprehensive survey on graph neural networks. IEEE transactions on neural networks and learning systems, 32(1), 4-24.
\nVaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., … & Polosukhin, I. (2017). Attention is all you need. Advances in neural information processing systems, 30.
\nArtigos de confer\u00eancias e peri\u00f3dicos relevantes<\/p>\n","protected":false},"excerpt":{"rendered":"

CMP618 – T\u00f3picos Especiais em Computa\u00e7\u00e3o DCXVIII:\u00a0 Aprendizado Profundo Respons\u00e1vel: Anderson Rocha Tavares N\u00famero de cr\u00e9ditos\/carga hor\u00e1ria: 4 cr\u00e9ditos\/60 horas aula Matricula de Graduandos: aluno especial RESUMO Neur\u00f4nio artificial e sua organiza\u00e7\u00e3o em diversas arquiteturas de redes profundas. Objetivos Apresentar conceitos, t\u00e9cnicas e aplica\u00e7\u00f5es de aprendizado profundo, assim como as principais ferramentas para prototipagem e […]<\/p>\n","protected":false},"author":11,"featured_media":0,"parent":462,"menu_order":618,"comment_status":"closed","ping_status":"closed","template":"","meta":[],"_links":{"self":[{"href":"https:\/\/www.inf.ufrgs.br\/ppgc\/wp-json\/wp\/v2\/pages\/5860"}],"collection":[{"href":"https:\/\/www.inf.ufrgs.br\/ppgc\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/www.inf.ufrgs.br\/ppgc\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/www.inf.ufrgs.br\/ppgc\/wp-json\/wp\/v2\/users\/11"}],"replies":[{"embeddable":true,"href":"https:\/\/www.inf.ufrgs.br\/ppgc\/wp-json\/wp\/v2\/comments?post=5860"}],"version-history":[{"count":1,"href":"https:\/\/www.inf.ufrgs.br\/ppgc\/wp-json\/wp\/v2\/pages\/5860\/revisions"}],"predecessor-version":[{"id":5861,"href":"https:\/\/www.inf.ufrgs.br\/ppgc\/wp-json\/wp\/v2\/pages\/5860\/revisions\/5861"}],"up":[{"embeddable":true,"href":"https:\/\/www.inf.ufrgs.br\/ppgc\/wp-json\/wp\/v2\/pages\/462"}],"wp:attachment":[{"href":"https:\/\/www.inf.ufrgs.br\/ppgc\/wp-json\/wp\/v2\/media?parent=5860"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}