DEEP101 - Aprendizagem Profunda

Conhecer os conceitos fundamentais de aprendizado profundo, permitindo que os discentes possuam conhecimentos necessários para o aprofundamento em qualquer campo da área e que possam desenvolver métodos, ferramentas e aplicações inteligentes.

Professores

Prof. Dr. Saulo Oliveira Lattes | Google Scholar e-mail: saulo[dot]oliveira[at]ifce.edu.br

Informações

Horário: Às segundas, das 07:30 às 11:30.

Local: Sala 204, Bloco de Pós-graduação. Instituto Federal de Educação, Ciência e Tecnologia do Ceará | campus Fortaleza.

Endereço: Avenida Treze de Maio, nº 2081 - Benfica - CEP: 60040-215 - Fortaleza/CE.

Pré-requisitos

Apesar das disciplinas do PPGCC não exigirem pré-requisitos, o conhecimento das seguintes ferramentas será de grande valia para acelarar a curva de aprendizado durante a disciplina.

🐍 Python (Numpy & PyTorch)	🔢 Álgebra Linear	🧮 Cálculo (Derivadas)
Todas as atividades serão em Python e usaremos o formato de Notebooks do Jupyter para entrega.	Usaremos transposição de matriz, inversa e operações algébricas com expressões de matrizes.	Você precisará obter uma derivada e maximizar uma função descobrindo onde a derivada = 0.

Como vai ser a nota?

A avaliação da disciplina é qualitativa e visa o caminho da aprendizagem. Assim, ao invés de um valor número na escala 0-10, uma letra é atribuída. Esta letra indica um conjunto de fatores que são observados ao se realiazar as atividades avaialiativas durante a disciplina. A seguir, nos cards abaixo, são listados os fatores observados e a letra associada a cada um deles.

A	B	C	D
$\bullet$ Compreendeu por completo a proposta da atividade; $\bullet$ O trabalho está ótimo e completo; $\bullet$ O discente está pronto para o próximo assunto.	$\bullet$ Compreendeu a maior parte da proposta da atividade; $\bullet$ O trabalho está bom e completo; $\bullet$ O discente tem condições de progredir.	$\bullet$ Compreendeu parte da proposta da atividade; $\bullet$ O trabalho está incompleto; $\bullet$ O discente precisa de auxílio para compreender o assunto.	$\bullet$ Não compreendeu por completo a proposta da atividade; $\bullet$ O trabalho precisa ser refeito; $\bullet$ O discente não tem condições objetivas de progredir.

Além do resultado da avaliação qualitativa, cada atividade avaliativa possui um peso associado. Em posse de cada avaliação e seu respectivo peso, a nota final que é a que vai para o histórico é calculada conforme a seguinte fórmula:

$$\text{Nota final} = \dfrac{\sum_{a_i ~\in ~\mathcal{A}} a_i * w_i }{\sum_{a_i ~\in ~\mathcal{A}} a_i} \text{ em que } a_i=$$

Observe um caso ilustrativo:

	Prova (2)	Simulação (1)	Relatório (1)	Seminário (1)	Nota final
Huguinho	A	A	B	A	9,5
Zezinho	B	B	B	C	7,0
Luizinho	C	A	B	B	8,0
Donald	B	D	C	C	4,5

Por questões éticas, com a finalidade de preservar a verdadeira identidade dos discentes, ocultaremos os nomes dos alunos. Assim, a identificação será por meio do número de matrícula, só que de forma truncada.

Cronograma e Conteúdo Programático

Este é o plano de estudos da iteração de outono de 2020 do curso.

Tipo	Data	Descrição	Material
Aula	06/03/2023	Introdução à aprendizagem de máquina	Slides • Artigo
Aula	13/03/2023	Perceptron	Slides • Atividade classificação
Aula	20/03/2023	Adaline	Slides • Atividade regressão
Aula	27/03/2023	Perceptron multicamadas (MLP)	Slides • Atividade regressão
Aula	03/04/2023	Otimizadores	Slides • Atividade regressão
Prova	17/04/2023	Perceptron, Adaline e MLPs	Slides • Atividade regressão
Seminário	08/05/2023	Desafio MLP	Slides • Atividade regressão
Aula	05/05/2023	Redes convolucionais	Slides • Atividade regressão
Aula	08/05/2023	Redes convolucionais famosinhas	Slides • Atividade regressão
Seminário	08/05/2023	Desafio CNN	Slides • Atividade regressão
Aula	08/05/2023	Redes autocodificadoras e Redes adversárias generativas	Slides • Atividade regressão
Aula	08/05/2023	Redes recorrentes	Slides • Atividade regressão
Prova	17/04/2023	Solução de problemas da indústria	Nenhum.
Seminário	08/05/2023	Desafio RNN/GAN/VAE	Slides • Atividade regressão

Cronograma básico. Ele pode ser alterado a qualquer momento por eventos diversos.

Diretrizes da Sessão de Pôsteres

O objetivo de um pôster é dar ao espectador um resumo rápido do trabalho, que não apenas atrai seu interesse, mas também o motiva a aprender mais sobre o projeto. Para uma introdução à criação de pôsteres acadêmicos, consulte Guia de postêres da Universidade de Nova Iorque. Aqui está um exemplo de estrutura que pode ser útil:

Problema	Antecedentes	Métodos
O que você está tentando resolver? Consulte os desafios atuais e por que seu trabalho é significativo.	Configuração do problema + notação; talvez trabalhos anteriores.	Explique suas contribuições técnicas; números podem realmente ajudar a entender especialmente para um modelo neural!

Experimentos	Análise	Conclusão e referências
Qual é a tarefa? Quais são as entradas e saídas do modelo? O que são as resultados? Compare com as linhas de base; para resultados, um gráfico pode dizer muito mais do que uma tabela do mesmo tamanho!	Forneça uma análise aprofundada de certos casos de interesse ou contextualize seus resultados na literatura existente! Adicione alguns gráficos/exemplos/visualizações.	Tire brevemente algumas conclusões do trabalho. Se o espaço permitir, considere adicionar 1-3 referências muito importantes (não faça mais do que isso!)

sauloafoliveira/ppgcc