Programa de Verão do LNCC – Jornada de Ciência de Dados (10/fev-13/fev)
Professor
Eduardo Bezerra (ebezerra@cefet-rj.br, CEFET/RJ)
- Google Scholar
- Open Researcher Contributor ID (ORCID)
- Thomson Reuters ResearcherID
- Semantic Scholar
Objetivo
O objetivo do minicurso é apresentar uma introdução à aprendizagem profunda. São apresentados conceitos básicos da área, técnicas relacionadas ao treinamento e à avaliação de modelos. São também descritas algumas das principais arquiteturas de redes profundas, além de algumas aplicações. São apresentados exemplos de código por meio do framework PyTorch.
Plano
- Aula1. Conceitos básicos de RNAs
- Aula2. Tutorial PyTorch – redes MLP
- Aula3. Tutorial PyTorch – Convolutional Nets;
- Aula4. Considerações finais: aplicações; outras arquiteturas de rede (Autoencoders, transformers, redes recorrentes, …)
Material das aulas
Aula 1 (10/fev): slides, vídeo
Aula 2 (11/fev): notebook, notebook, vídeo
Aula (12/fev): notebook, vídeo
Aula 4 (13/fev): slides, notebook, vídeo
Links para sessões de Q&A
Para coletar as perguntas ou comentários ao longo das aulas, vamos utilizar a ferramenta Slido. Siga esse link Q&A.
Recursos adicionais
Básico
- The Essence of Linear Algebra (3blue1brown)
- Neural Networks (3blue1brown)
- The Essence of Calculus (YT channel – 3blue1brown)
- Artigo histórico sobre redes neurais
Cursos
- Deep Learning Crash Course for Beginners
- PyTorch Tutorials – Complete Beginner Course
- CS231n: Convolutional Neural Networks for Visual Recognition
- ZeroToGANS