Machine Learning, Deep Learning e Aplicações

Resumo

Neste minicurso será apresentado e comentado brevemente sobre alguns conceitos básicos de Aprendizagem de Máquina (Machine Learning) relacionados aos tipos de aprendizagem que elas desenvolvem as quais podem ser: Aprendizagem Supervisionada e Aprendizagem Não Supervisionada. Dentro da Aprendizagem Supervisionada encontramos os seguintes tipos de Redes Neurais: Artificiais, Convolucionais e Recorrentes. Já em Aprendizagem Não Supervisionada temos: os Mapas Auto Organizáveis, Boltz Machines, Autoencoders e Redes Adversárias Generativas. Aprendizagem Supervisionada temos algumas aplicações como classificação e regressão, visão computacional, análise de séries temporais, entre outras; em Aprendizagem Não Supervisionada, podemos encontrar aplicações na deteccão de características e agrupamento, sistemas de recomendação, redução de dimensionalidade, geração de imagens etc. Será comentado sobre a história e teoria das Redes Neurais Artificiais e exemplificará o seu funcionamento calculando os pesos das camadas de entrada e saída que são números reais os quis representam o aprendizado da Rede Neural Artificial. Para finalizar será feita uma aplicação das Redes Neurais Convulacionais na classificação de gatos e cachorros utilizando o software Python e/ou Google Colebe on-line. Aprendizagem Profunda (Deep Learning) são Redes Neurais com mais de duas camadas ocultas ou escondidas. Será desenvolvida uma atividade em que os participantes irão calcular os pesos de uma Rede Neural Artificial de uma camada chamada Feed Forward. O minicurso será ofertado em dois dias, com o mesmo conteúdo em cada dia e o número de vagas será de 40 a 50 participantes por dia tendo com duração de 4 horas cada dia, tendo como público-alvo acadêmicos dos cursos de Administração, Ciências Contábeis, Matemática, acadêmicos de outros cursos, comunidade externa e professores que tenham interesse no tema.