Resumo

O campo do Aprendizado de Máquina (Machine Learning) se preocupa com a construção de programas decomputador 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 queaprendem a detectar transações fraudulentas com cartões de crédito, sistemas de filtragem de informação queaprendem as preferências de leitura dos usuários, até veículos autônomos que aprendem a dirigir em rodoviaspúblicas. Uma forma particular de Aprendizado de Máquina, o Aprendizado Profundo (Deep Learning), permiteque modelos computacionais compostos de múltiplas camadas de processamento aprendam representaçõesde dados com múltiplos níveis de abstração. Esses métodos melhoraram drasticamente o que existia de maisavançado em termos de reconhecimento de fala, reconhecimento de objeto visual, detecção de objetos emuitos 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 novasoportunidades de uso de ciência de dados no domínio multidisciplinar de agro tecnologias, o AprendizadoProfundo 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 empregamtécnicas de Aprendizado Profundo aplicados a vários desafios da produção agrícola, animal e alimentar. Alémdisso, o projeto prevê fazer comparações entre o desempenho dos métodos de Aprendizado Profundo e deoutras técnicas, por exemplo, em tarefas de classificação regressão.

Programação

Conteúdo Programático

Unidade I - Introdução a Inteligência Artificial - Marcus Braga

. Visão Geral

. Principais Abordagens

Unidade II - Fundamentos de Machine Learning – Gilberto Nerino e Daniel Leal

. Aprendizado de Máquina (Supervisionado, Não Supervisionado, Semi-Supervisionado)

. Problemas Clássicos de Machine Learning

. Algoritmos de Machine Learning

Unidade III – Aprendizado de Máquina Profunda (Deep Learning) – Marcus Braga e Daniel Leal

                                    . Introdução a DL

                                    . Algoritmos de DL (CNN, RNN, Autoencoders, Reinforcement Learning)

                                    . Treinando e Aplicando DL

                                    . Metaheurísticas e Hiperparâmetros

Cronograma das Aulas Síncronas

Públicos Alvo

Interno:

Discentes de Graduação em especial das áreas de Computação da UFRA

Externo:

Discentes de Graduação em especial das áreas de Computação de outras IES

Membros da Equipe

MARCUS DE BARROS BRAGA Categoria: DOCENTE Função : COORDENADOR(A)

GILBERTO NERINO DE SOUZA JUNIOR Categoria: DOCENTE Função : MINISTRANTE

DANIEL LEAL SOUZA Categoria: EXTERNO Função : MINISTRANTE

MARCUS DE BARROS BRAGA Categoria: DOCENTE Função : MINISTRANTE

Lista de Fotos

Não há fotos cadastradas para esta ação