Introdução aos conceitos de deep learning (necessidades de hardware, back-end, front-end); Convolutional Neural Networks – CNNs (histórico, arquiteturas, treinamento, aplicações, práticas); Recurrent Neural Networks – RNN (histórico, arquiteturas, treinamento, aplicações, práticas); Unsupervised Learning networks (autoencoders, sparse coding): histórico, arquiteturas, treinamento, aplicações, práticas; Reinforced Learning networks (histórico, arquiteturas, treinamento, aplicações, práticas).
Aprimorar os conceitos de redes neurais apresentando o aprendizado profundo, os tipos de algoritmos e seus usos.
Não possui.
A avaliação da disciplina é formativa* e somativa**. Os alunos devem entregar as resoluções de atividades e/ou exercícios no Ambiente Virtual de Aprendizagem semanalmente e realizar, ao final do período letivo, uma prova presencial aplicada nos polos da Univesp.
*A avaliação formativa ocorre quando há o acompanhamento dos alunos, passo a passo, nas atividades e trabalhos desenvolvidos, de modo a verificar suas facilidades e dificuldades no processo de aprendizagem e, se necessário, adequar alguns aspectos do curso de acordo com as necessidades identificadas.
**A avaliação somativa é geralmente aplicada no final de um curso ou período letivo. Esse tipo de avaliação busca quantificar o que o aluno aprendeu em relação objetivos de aprendizagem do curso, ou seja, a avaliação somativa quer comprovar se a meta educacional proposta e definida foi alcançada pelo aluno.