Escolar Documentos
Profissional Documentos
Cultura Documentos
Formação
• Bacharel em Ciência da Computação – UFPR
• Mestre em Informática – UFAM
• Doutor em Informática – UFAM
• Certificação HCIA-IA (Huawei)
Atuação
• Atualmente é Professor Adjunto da Universidade
Federal de Roraima. Tem experiência na área de
Ciência da Computação, com ênfase em Redes de
Sensores Sem Fio, Redes Ad Hoc, Redes Veiculares
(VANets), Aprendizado de Máquina e Computação
Móvel e Ubíqua, atuando principalmente nos
seguintes temas: algoritmos distribuídos, localização, Prof. Dr. Leandro Balico
roteamento, consumo de energia, fusão de dados, e
outros.
2
Objetivos
Objetivos
4
1. Introdução ao Aprendizado Profundo
1. Introdução ao Aprendizado Profundo
6
1. Introdução ao Aprendizado Profundo
Camada de
Saida
Camadas
Escondidas
Camada de
Entrada
7
1. Introdução ao Aprendizado Profundo
8
1. Introdução ao Aprendizado Profundo
AND OR XOR
9
1. Introdução ao Aprendizado Profundo
10
1. Introdução ao Aprendizado Profundo
11
1. Introdução ao Aprendizado Profundo
Camada de Camada de
Entrada Saída
Camada Camada
Escondida1 Escondida 2
12
1. Introdução ao Aprendizado Profundo
𝑥1
𝑥2
𝑥𝑛
𝑛
𝑛𝑒𝑡 = 𝜔𝑖 𝑥𝑖 = 𝑾𝑻 𝐗
𝑖=0
13
1. Introdução ao Aprendizado Profundo
15
1. Introdução ao Aprendizado Profundo
16
2. Finalidade e Limitações das Redes
Neurais Profundas
2. Finalidade e Limitações das Redes Neurais
Profundas
Reconhecimento e
síntese de fala
Finalidades das Aprendizagem por reforço
Redes Neurais
Processamento de Profundas Modelagem preditiva
linguagem natural e reconhecimento de padrões
Aprendizagem de representação
Detecção de anomalias não supervisionada
18
2. Finalidade e Limitações das Redes Neurais
Profundas
• Visão • Robótica
computacional
• Processamento
de linguagem • Saúde
natural
19
2. Finalidade e Limitações das Redes Neurais
Profundas
Limitações das
Requisitos de dados Sensibilidade a hiperparâmetros
Redes Neurais
Profundas
Custos computacionais Dependência de inicialização
20
3. Tipos de Redes Neurais Profundas
3. Tipos de Redes Neurais Profundas
Camada convolucional 1
22
3. Tipos de Redes Neurais Profundas
Filtro
Imagem Convolucional Mapa de
de Entrada 3x3 Imagem Recursos
Filtro com
stride
23
3. Tipos de Redes Neurais Profundas
U,V e W
São pesos
Camada Oculta
(Unidade de Memória)
Desdobramento
Camada Entrada
de Entrada no tempo t-1
Desdobramento
24
3. tipos de redes neurais profundas
Porta de
Esquecimento
Porta de Porta de
Entrada Saída
25
3. tipos de redes neurais profundas
Imagem Real
Dados de Real
Discriminador
Treino
Gerador
Falsa
Ruído
26
3. tipos de redes neurais profundas
27
4. Exercícios
4. Exercícios
a) Limpeza de dados
b) Engenharia de recursos
c) Construção do modelo
d) Avaliação do modelo
29
4. Exercícios
a) Verdadeiro
b) Falso
30
4. Exercícios
a) CNN
b) RNN
c) LSTM
d) Logística
31
Até a
próxima
aula!
Continue praticando :)