Programa

Em parceria com Intel AI Academy

Aula 1
Redes Neurais Artificiais
o Introdução a Redes Neurais
o Definição e conceitos
o Características básicas
o História
o Redes Perceptron
o Redes Multilayer Perceptron
o Funções de Ativação
Cases Práticos
o Previsão do preço de aparelhos celulares
Aula 2
Algoritmos de Aprendizado
o Aprendizado de Hebb, Competitivo, Boltzmann, Backpropagation.
Aprendizado Supervisionado
o Classificação e Regressão
Convergência e Generalização
Problemas comuns: definição do tamanho da rede, paralisia da rede e mínimos locais
Taxa de aprendizado e momento
Cases Práticos
o Marketing
o Detecção de intrusão 

Aula 3
Redes de aprendizagem profunda
o Conceitos básicos
o Arquitetura
o Avanços
o Desafios
o Aplicações
Cases Práticos
o Câncer de mama
o Churn

Aula 4
Redes Convolucionais
o Os conceitos básicos
o Processamento de imagens
o Visão computacional
o Aplicações
Cases Práticos
o Reconhecimento de cachorros e gatos através de imagens

Aula 5
Redes Convolucionais
o Aplicações em diferentes áreas do conhecimento

Aula 6
Data Augmentation
o Geração de dados
o Transformações
Modelos Pré-treinados
o AlexNet
o VGG
o ResNet
Trasfer Learning
Cases Práticos

Aula 7
Processamento de Linguagem Natural

Aula 8
Autoencoder
o Conceitos básicos
o Overcomplete autoencoder
o Undercomplete autoencoder
o Sparse autoencoder
o Denoising autoencoder
o Contractive autoencoder
o Stacked autoencoder
o Deep autoencoder
o Aplicações
Cases
o Mnist
o Mnist fashion

Aula 9
Redes Neurais Recorrentes 
LSTM

Aula 10
Processamento de Linguagem Natural
Text Mining

Aula 11
Processamento de Linguagem Natural – Avançado

Aula 12
Processamento de Linguagem Natural - Exercícios

Aula 13
Amostragem
Cases Práticos
o Proxy por RN

 Aula 14
Generative Adversarial Neural Network - GAN

Aula 15 – Oficina Prática
IA para Marketing
IA para Jornalismo
IA para Cinema
IA para Direito
IA para Design
IA para Ciências Econômicas
IA para Engenharia
IA para Administração
IA para Ciências Biológicas
IA para Arquitetura