Disciplina Curricular
Aprendizagem Profunda (Dei) AP-Dei
Mestrado Bolonha em Engenharia Informática e de Computadores - Alameda - MEIC-A 2021
Contextos
Grupo: MEIC-A 2021 > 2º Ciclo > Area Principal > Agrupamentos > Tecnologias da Informação e Linguagem
Período:
Grupo: MEIC-A 2021 > 2º Ciclo > Area Principal > Agrupamentos > Engenharia e Ciência de Dados
Período:
Grupo: MEIC-A 2021 > 2º Ciclo > Area Principal > Agrupamentos > Inteligência Artificial
Período:
Grupo: MEIC-A 2021 > 2º Ciclo > Area Principal > Agrupamentos > Robótica Inteligente
Período:
Grupo: MEIC-A 2021 > 2º Ciclo > Area Principal > Agrupamentos > Bioinformática e Biologia Computacional
Período:
Peso
6.0 (para cálculo da média)
Pré-requisitos
Conhecimentos 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. Percepção 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
Mini-testes ao longo do semestre, os quais podem incluir componente laboratorial (50%) + exame final (50%).
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.
Componente Laboratorial
Sessões de laboratório para familiarização com as modernas ferramentas de aprendizagem profunda.
Componente de Programação e Computação
Forte ênfase 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.