DEEP
LEARNING E
REDES NEURAIS

Usar um modelo pronto funciona bem até o resultado sair errado e ninguém saber explicar o motivo. Em 90 horas, você estuda o funcionamento das redes neurais por dentro, do neurônio artificial ao treinamento de arquiteturas profundas. O curso fecha com as estruturas de dados que sustentam sistemas inteligentes, que é o que permite rodar um modelo em escala. Você sai capaz de discutir a arquitetura de uma solução com fundamento.

O que você vai aprender

• Deep learning: arquiteturas de aprendizado profundo, ajuste de modelos com muitas camadas de processamento
• Redes neurais: funcionamento do neurônio artificial, propagação do erro e ajuste dos pesos
• Estrutura de dados para sistemas inteligentes: organização e representação dos dados de treinamento, estruturas usadas em aplicações de IA

O que o curso inclui

São 3 disciplinas de 30 horas cada, 90 horas no total, com aulas gravadas, material de apoio e certificado de conclusão de curso livre.

• Deep Learning
• Redes Neurais
• Estrutura de Dados para Sistemas Inteligentes

Deep Learning

8 tópicos · 30h.

• Representações Hierárquicas
• Parâmetros de Ajuste Usando Retropropagação
• Funções Não Convexas
• Manipulação de Deep Nets
• Transferência de Aprendizagem e Reconhecimento de Voz
• Processamento de Linguagem Natural
• Cross-Entropy
• Regressão Logística

Redes Neurais

8 tópicos · 30h.

• Paradigmas de Aprendizado de Redes Neurais Artificiais
• Algoritmos de Aprendizado de Redes Neurais
• Desenvolvimento de uma Rede Neural Perceptron
• Abordagem Neurodinâmica de Aprendizagem por Reforço
• Redes Recorrentes Dirigidas Dinamicamente
• Algoritmo Backpropagation
• Algoritmo SOM (Self-Organizing Map)
• Prática e Desafios dentro do contexto de Rede Neurais

Estrutura de Dados para Sistemas Inteligentes

11 tópicos · 30h.

• Classificar as diferentes implementações de estruturas de dados de acordo com a implementação em disco ou em memória
• Classificar os diferentes tipos de dados
• Compreender a implementação das estruturas de dados
• Compreender as estruturas para manipulação de dados
• Identificar as diferentes estruturas de dados
• Propor soluções adequadas para a resolução de problemas
• Implementar as estruturas de dados utilizando a linguagem de programação Java
• Desenvolver soluções que utilizem corretamente as estruturas de dados
• Propor soluções para melhorar o desempenho de aplicações que manipulem dados
• Escolher o melhor meio para manipulação de dados
• Manipular pilhas, filas, listas e árvores