Disciplina Curricular
Aprendizagem Profunda AP
Mestrado Bolonha em Ciência de Dados - 1_MCD 2018/19
Contextos
Grupo: 1_MCD 2018/19 > 2º Ciclo > Parte Escolar > Opcionais > 732 - MCD - Grupo 3
Período:
Peso
6.0 (para cálculo da média)
Objectivos
Os principais objectivos de aprendizagem deste curso são: (1) Proporcionar aos alunos uma compreensão profunda dos fundamentos teóricos e das técnicas que sustentam os modelos modernos de deep learning. (2) Desenvolver a capacidade dos alunos de avaliar criticamente e sintetizar artigos académicos na área, promovendo a sua aptidão para se manterem informados sobre os avanços mais recentes. (3) Dotar os alunos das competências para conceber, implementar e avaliar de forma rigorosa modelos de aprendizagem profunda estado-da-arte, com ênfase na resolução de problemas do mundo real e na superação das limitações dos métodos atuais.
Programa
1. Introdução às Redes Neuronais e Otimização 2. Treino de Redes Neuronais: Funções de Custo, Regularização e Técnicas de Otimização 3. Redes Neuronais Convolucionais (CNNs): Arquitetura e Aplicações 4. Deteção de Objetos e Segmentação Semântica 5. Redes Neuronais Recorrentes (RNNs) e Modelos de Sequência 6. Mecanismos de Atenção e Transformers 7. Aprendizagem Auto-supervisionada 8. Grandes Modelos de Linguagem (LLMs) e ChatGPT 9. Modelos Generativos: VAEs, GANs e Modelos de Difusão 10. Modelos Generativos para Áudio e Música 11. Aprendizagem Multimodal: aprendizagem a partir de múltiplas fontes de dados 12. Deep Learning para Arte e Criatividade 13. Aprendizagem por Reforço Profundo (Deep RL) 14. Redes Neuronais de Grafos (GNNs) e as suas aplicações na Ciência 15. MLOps: Dos Modelos à Produção
Métodos de ensino e avaliação
A avaliação deste curso combina exames escritos, trabalhos de casa e um projeto final. O projeto tem um papel importante na avaliação da capacidade dos alunos de aplicar o conhecimento teórico a desafios práticos, enquanto os trabalhos de casa e os exames avaliam tanto a compreensão dos conceitos como as competências de resolução de problemas. A ponderação destes componentes irá equilibrar a compreensão teórica com exercícios práticos, garantindo que os alunos sejam avaliados tanto pelo conhecimento conceptual como pela capacidade de implementar modelos de aprendizagem profunda.