{"id":731,"date":"2015-12-30T09:53:22","date_gmt":"2015-12-30T11:53:22","guid":{"rendered":"http:\/\/www.inf.ufrgs.br\/profcomp_wp\/?page_id=731"},"modified":"2017-08-06T21:34:50","modified_gmt":"2017-08-07T00:34:50","slug":"cmp121","status":"publish","type":"page","link":"https:\/\/www.inf.ufrgs.br\/profcomp\/lista-de-disciplinas\/cmp121\/","title":{"rendered":"CMP121"},"content":{"rendered":"

CMP 121 – Redes Neurais
\n<\/strong>Respons\u00e1vel<\/strong> : Dante Augusto Couto Barone<\/a>
\nPr\u00e9- Requisitos : –
\n<\/strong>Carga Hor\u00e1ria<\/strong> : 60 hs
\nCr\u00e9ditos<\/strong> : 4
\nSemestres Oferecidos<\/strong> : Segundo semestre
\nMatr\u00edcula de Graduandos<\/strong> : A matr\u00edcula dever\u00e1 ser feita como Aluno Especial<\/p>\n

 <\/p>\n

S\u00daMULA <\/strong><\/p>\n

Esta disciplina visa fornecer os fundamentos necess\u00e1rios para a an\u00e1lise e a implementa\u00e7\u00e3o de diferentes arquiteturas de Redes Neurais, desde os modelos mais consolidados at\u00e9 os mais recentes, representados pelas redes de aprendizado profundo, conhecidas como Deep Learning. S\u00e3o apresentadas caracter\u00edsticas gerais dos sistemas conhecidos como de Aprendizado de M\u00e1quina ( Machine Learning) e mais especificamente a contribui\u00e7\u00e3o das Redes Neurais \u00e0 ML, apresentando-se e analisando arquiteturas, modelos de aprendizado, m\u00e9tricas de medida de erro e demais fatores importantes . Ser\u00e3o tratadas tanto t\u00e9cnicas supervisionadas quanto n\u00e3o supervisionadas. Ser\u00e3o trabalhadas implementa\u00e7\u00f5es em problemas do mundo real, priorizando-se aplica\u00e7\u00f5es onde as arquiteturas Deep Learning fazem grande sucesso, como Processamento de Imagens, Processamento da Fala e Processamento de Linguagem Natural.<\/p>\n

\u00a0<\/strong><\/p>\n

OBJETIVOS \/PROGRAMA <\/strong><\/p>\n

– Introdu\u00e7\u00e3o \u00e0 Neuroci\u00eancia Computacional<\/p>\n

– Defini\u00e7\u00f5es e Hist\u00f3ria das Redes Neurais<\/p>\n

– Redes Neurais tradicionais , regras de aprendizado<\/p>\n

– Redes Recorrentes e Back Propagation , mem\u00f3rias associativas<\/p>\n

– Deep Learning e Neocogni\u00e7\u00e3o<\/p>\n

– Redes Neurais Convolucionais Profundas e extra\u00e7\u00e3o de caracter\u00edsticas<\/p>\n

– Redes de Cren\u00e7as profundas , M\u00e1quinas Restritas de Boltzman, autoencoders<\/p>\n

-Treinamento de Deep Neural Networks<\/p>\n

– M\u00e9tricas de medida de desempenho de sistemas neurais<\/p>\n

-Aplica\u00e7\u00f5es e exemplos ( Google, reconhecimento de imagens e de fala , processamento de Linguagem Natural \u2013NLP )<\/p>\n

– Arquiteturas Open Source adequadas para aplica\u00e7\u00f5es Deep Learning, como Keras, TensorFlow e outras<\/p>\n

 <\/p>\n

\u00a0<\/strong><\/p>\n

BIBLIOGRAFIA <\/strong><\/p>\n

– Goodwellow, Y. Bengio , A. Courville, Deep Learning, MIT , 2016 http:\/\/deeplearningbook.org<\/p>\n

– Li Deng, Dong Yu, Deep Learning ,Methods and Applications, Foundations and Trends in Signal Processing, Vol.7, Nos. 3-4 ( 2013) 197-387,7:3-4, 2014<\/p>\n

– Kevin P. Murphy. Machine Learning : A Probabilistic Perspective, MIT Press, 2012.<\/p>\n

– S. Haykin, Neural Networks and learning machines, Pearson , 2008<\/p>\n

-Barone, D.A.C e Boesing, Ivan . Intelig\u00eancia Artificial : Di\u00e1logos entre Mentes e M\u00e1quinas, Editora RGE, Porto Alegre, 2014<\/p>\n

 <\/p>\n

\u00a0<\/strong><\/p>\n

M\u00c9TODO DE AVALIA\u00c7\u00c3O <\/strong><\/p>\n

Os alunos ser\u00e3o avaliados atrav\u00e9s de:<\/p>\n

    \n
  1. apresenta\u00e7\u00f5es orais sobre t\u00f3picos cobertos na disciplina<\/li>\n
  2. trabalhos pr\u00e1ticos e de implementa\u00e7\u00e3o durante o semestre e<\/li>\n
  3. trabalho final\u00a0 de implementa\u00e7\u00e3o, que dever\u00e1 cobrir a aplica\u00e7\u00e3o de redes neurais tradionais ou deep learning em problemas do mundo real.<\/li>\n<\/ol>\n

    \u00a0<\/strong><\/p>\n

    \u00a0<\/strong><\/p>\n

    \u00a0<\/strong><\/p>\n

     <\/p>\n","protected":false},"excerpt":{"rendered":"

    CMP 121 – Redes Neurais Respons\u00e1vel : Dante Augusto Couto Barone Pr\u00e9- Requisitos : – Carga Hor\u00e1ria : 60 hs Cr\u00e9ditos : 4 Semestres Oferecidos : Segundo semestre Matr\u00edcula de Graduandos : A matr\u00edcula dever\u00e1 ser feita como Aluno Especial   S\u00daMULA Esta disciplina visa fornecer os fundamentos necess\u00e1rios para a an\u00e1lise e a implementa\u00e7\u00e3o […]<\/p>\n","protected":false},"author":1,"featured_media":0,"parent":462,"menu_order":121,"comment_status":"closed","ping_status":"closed","template":"","meta":[],"_links":{"self":[{"href":"https:\/\/www.inf.ufrgs.br\/profcomp\/wp-json\/wp\/v2\/pages\/731"}],"collection":[{"href":"https:\/\/www.inf.ufrgs.br\/profcomp\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/www.inf.ufrgs.br\/profcomp\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/www.inf.ufrgs.br\/profcomp\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.inf.ufrgs.br\/profcomp\/wp-json\/wp\/v2\/comments?post=731"}],"version-history":[{"count":8,"href":"https:\/\/www.inf.ufrgs.br\/profcomp\/wp-json\/wp\/v2\/pages\/731\/revisions"}],"predecessor-version":[{"id":3320,"href":"https:\/\/www.inf.ufrgs.br\/profcomp\/wp-json\/wp\/v2\/pages\/731\/revisions\/3320"}],"up":[{"embeddable":true,"href":"https:\/\/www.inf.ufrgs.br\/profcomp\/wp-json\/wp\/v2\/pages\/462"}],"wp:attachment":[{"href":"https:\/\/www.inf.ufrgs.br\/profcomp\/wp-json\/wp\/v2\/media?parent=731"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}