SIGAA - Sistema Integrado de Gestão de Atividades Acadêmicas

Visualização da Ação de Extensão

Ação de Extensão
Título:	Curso de Introdução a Machine Learning: Aspectos Teóricos e Práticos.
Ano:	2020	Nº Bolsas Concedidas:	0	Nº Discentes Envolvidos:	3	Público Estimado:	60
Período do Curso:	03/10/2020 a 19/12/2020
Área Principal:	TECNOLOGIA E PRODUÇÃO			Área do CNPq:	Ciências Exatas e da Terra
Unidade Proponente:	CAMPUS DE PARAGOMINAS			Unidades Envolvidas:
Tipo:	CURSO
Municípios de Realização:	PARAGOMINAS - PA
Espaços de Realização:	UFRA Paragominas e no ambiente virtual
Fonte de Financiamento:	AÇÃO AUTO-FINANCIADA
Modalidade do Curso:	A Distância			Tipo do Curso:	CAPACITAÇÃO
Tipo do Evento:				Carga Horária:	72	Quantidade de Vagas:	60
Responsável pela Ação:	MARCUS DE BARROS BRAGA
E-mail do Responsável:	marcus.braga@ufra.edu.br
Contato do Responsável:	91992679831
Url da Acão:	https://sigaa.ufra.edu.br/sigaa/link/public/extensao/visualizacaoAcaoExtensao/1156

Resumo

O campo do Aprendizado de Máquina (Machine Learning) se preocupa com a construção de programas de computador que melhoram automaticamente com a experiência. Nos últimos anos, muitas aplicações bem-sucedidas de Aprendizado de Máquina foram desenvolvidas, desde programas de mineração de dados que aprendem a detectar transações fraudulentas com cartões de crédito, sistemas de filtragem de informação que aprendem as preferências de leitura dos usuários, até veículos autônomos que aprendem a dirigir em rodovias públicas. Uma forma particular de Aprendizado de Máquina, o Aprendizado Profundo (Deep Learning), permite que modelos computacionais compostos de múltiplas camadas de processamento aprendam representações de dados com múltiplos níveis de abstração. Esses métodos melhoraram drasticamente o que existia de mais avançado em termos de reconhecimento de fala, reconhecimento de objeto visual, detecção de objetos e muitos outros domínios, como descoberta de novas drogas e genômica. Algoritmos como Convolutional Neural Networks (CNN), Recurrent Neural Networks (RNN) e Generative Adversarial Networks (GAN), trouxeram avanços imensos no processamento de imagens, vídeo, texto, fala e áudio. Com as novas oportunidades de uso de ciência de dados no domínio multidisciplinar de agro tecnologias, o Aprendizado Profundo tem sido amplamente estudado e aplicado também em diversos segmentos das ciências agrárias. Este projeto pretende explorar os diversos algoritmos de Aprendizado Profundo, estudando seus conceitos, limitações, implementações e processos de treinamento, além de estudar diversos esforços que empregam técnicas de Aprendizado Profundo aplicados a vários desafios da produção agrícola, animal e alimentar. Além disso, o projeto prevê fazer comparações entre o desempenho dos métodos de Aprendizado Profundo e de outras técnicas, por exemplo, em tarefas de classificação regressão.

Esta capacitação faz parte do Projeto de Extensão "OFICINAS DE APERFEIÇOAMENTO EM COMPUTAÇÃO" (PJ020-2019/PROEX/UFRA).

Programação

O curso se dará aos sábados, das 15h às 17h, do dia 03/10/2020 ao dia 19/12/2020.

O conteúdo programático será o seguinte:

Conhecer as diferentes áreas de Machine Learning e suas aplicações práticas
Aprender a fazer Machine Learning Supervisionado usando a linguagem Python e a biblioteca Scikit-Learn
Criar os seus próprios algoritmos de Machine Learning para treinar seu computador a fazer previsões e classificações
Conhecer modelos estatísticos e aprender como eles podem ser usados para fazer algoritmos de Machine Learning