Programa

Ementa:
Introdução à Machine Learning, Introdução a computação paralela e Big data: diferenciação entre os tipos de processador e memória; sistemas paralelos com memória distribuída/compartilhada. Configuração das principais plataformas para trabalhar com deep learning; tensorflow, keras, Caffe, Theano, Torch e outras. Algoritmos de otimização usados em deep learning. Redes neurais recorrentes e convolutivas, maquinas de Boltzmann restritas, Siamese neural networks, Neural Style Transfer, GANS: Generative Adversarial Networks e suas variantes, Attention Models, Program Induction Models (Neural Turing Machine, Neural GPU, Neural Programmer, Differentiable Neural Computer), T-Distributed Stochastic Neighbor Embedding (T-SNE). Deep Learning models for Question-Answering System (End-to-End Memory Networks, Dynamic Memory Network, etc), Reinforcement learning.