Descrição:
Classificação estruturada é uma área em aprendizagem estatística
que lida com variáveis estruturadas e fortemente inter-dependentes, com aplicações em processamento de linguagem natural, vis~ao por computador, biologia computacional e processamento de sinais. Nos últimos 2{3 anos, varias aplicações nestas áreas atingiram novos patamares de qualidade substituindo os modelos lineares tradicionais, baseados em características dos dados manualmente especificadas, por modelos de aprendizagem profunda mais poderosos baseados em redes neuronais, capazes de aprender representações internas. Neste curso, irei descrever vários métodos, modelos e algoritmos para classificação estruturada, desde modelos lineares \superciais" (modelos de Markov escondidos, campos aleatorios condicionais, maquinas de vectores de suporte estruturadas) até modelos modernos de aprendizagem "profunda" (redes convolucionais, redes recurrentes, mecanismos de atenção, etc.), passando por métodos
superciais e profundos para aprendizagem por reforço. O tópico de aprendizagem de representações também será discutido (PCA, auto-codificadores e vários modelos generativos profundos).
Os conceitos teóricos abordados neste curso serão complementados com uma forte componente pratica, permitindo aos participantes do mesmo desenvolver projectos de grupo onde poderão resolver problemas práticos utilizando software adequado para aprendizagem profunda, tal como Theano ou Tensorflow