Disciplina Curricular

Aprendizagem Profunda AProf

Mestrado Bolonha em Engenharia Eletrotécnica e de Computadores - MEEC 2021

Contextos

Grupo: MEEC 2021 > 2º Ciclo > Opções Livres > Áreas Secundárias > Área Secundária - Sistemas de Computação

Período:

Grupo: MEEC 2021 > 2º Ciclo > Opções Livres > Áreas Secundárias > Área Secundária - Controlo, Robótica e Inteligência Artificial

Período:

Grupo: MEEC 2021 > 2º Ciclo > Área Principal > Áreas de Especialização Principais > Área de Especialização Principal de Sistemas de Computação > Algoritmos e Otimização

Período:

Grupo: MEEC 2021 > 2º Ciclo > Área Principal > Áreas de Especialização Principais > Área de Especialização Principal de Controlo, Robótica e Inteligência Artificial > Inteligência Artificial

Período:

Peso

6.0 (para cálculo da média)

Pré-requisitos

Alguns conhecimentos de aprendizagem automática, de álgebra, de programação.

Objectivos

A aprendizagem profunda é uma classe de métodos (da área mais vasta da aprendizagem automática) que, na última década, teve um enorme impacto em diversas aplicações, desde a análise de imagem até ao processamento de linguagem natural. O objectivo desta unidade curricular é dotar os alunos de um conhecimento geral acerca das modernas técnicas de aprendizagem profunda e da capacidade de desenvolver, implementar e testar métodos desta classe. Um outro objectivo é dotar os alunos com a formação necessária para que possam ter acesso à moderna literatura nesta área, capacitando-os assim a actualizarem os seus conhecimentos nesta área em rápida evolução.

Programa

1. Aprendizagem supervisionada. Regressão e classificação. Funções de perda, risco esperado, risco empírico e generalização. 2. Perceptrão multi-camada. Funções de activação. Camadas totalmente conexas e convolucionais. "Pooling". Redes residuais. Interpretações probabilísticas. 3. Optimização e o algoritmo de retro-propagação. Regularização.Optimização estocástica. Estratégias de inicialização. 4. Redes profundas para visão e processamento de imagem (segmentação, classificação, detecção de objectos, reconstrução). 5. Redes profundas para processamento de língua natural. Aprendizagem de representações de palavras. Redes recorrentes. Retro-propagação através do tempo. Unidades com portas: LSTMs e GRUs. Arquitecturas codificador-descodificador para aprendizagem sequência-para-sequência. 6. Modelos generativos profundos e aprendizagem não supervisionada. Auto-codificadores variacionais e redes generativas adversariais. 7. Tópicos avançados: mecanismos de atenção e memória.

Metodologia de avaliação

50% avaliação contínua; 50% avaliação não contínua;

Componente de Competências Transversais

Serão abordados aspectos éticos da aprendizagem profunda e da inteligência artificial em geral, sensibilizando os alunos para estes aspectos. Os alunos serão estimulados a aceder e pesquisar a moderna literatura nesta área, desenvolvendo a sua autonomia e capacidade de actualização de conhecimentos. O impacto das competências transversais na avaliação será da ordem dos 10 %.

Componente Laboratorial

Sessões de laboratório para familiarização com as modernas ferramentas de aprendizagem profunda.

Componente de Programação e Computação

Forte enfase na competência de programação de métodos de aprendizagem profunda. Sessões laboratoriais sobre sistemas de aprendizagem profunda.

Princípios Éticos

Todos os membros de um grupo são responsáveis pelo trabalho do grupo. Em qualquer avaliação, todo aluno deve divulgar honestamente qualquer ajuda recebida e fontes usadas. Numa avaliação oral, todo aluno deverá ser capaz de apresentar e responder a perguntas sobre toda a avaliação.

Disciplinas Execução

2024/2025 - 1º semestre

2023/2024 - 1º semestre

2022/2023 - 1º semestre

2021/2022 - 1º Semestre