Trailer

Sinopse

Esta disciplina oferece um estudo completo das Redes Neurais Artificiais (RNAs), explorando desde os fundamentos matemáticos e algoritmos que permitem o aprendizado das máquinas até as arquiteturas mais sofisticadas de Deep Learning (Aprendizado profundo). Visando o aprendizado sobre diferentes modelos, compreendendo como diferentes estruturas de redes processam informações complexas e como o treinamento de camadas profundas viabiliza capacidades antes consideradas impossíveis para sistemas computacionais. Além da teoria, o foco estará na aplicação prática: veremos como essas tecnologias estão sendo utilizadas no mercado de trabalho, automatizando decisões e resolvendo problemas reais através de inteligência artificial.

Vídeo

Classificações

30%
70%

Clássicas

Ativas

70%
30%

Provas

Atividades

50%
50%

Teórica

Prática

10%
90%

Social

Técnica

50%
50%

Individuais

Em grupo

100%
0%

Presencial

EAD


Podcast

Velocidade 1.0x

Materiais

Sem materiais disponiveis...

Conhecimentos / Competências Desejados

Espera-se que o aluno possua conhecimentos básicos de programação e fundamentos matemáticos, além de capacidade de raciocínio lógico e interpretação de dados. É desejável que o estudante consiga implementar algoritmos simples, manipular conjuntos de dados e compreender conceitos estatísticos elementares. Competências desejadas: Raciocínio lógico; Programação básica; Manipulação de dados; Interpretação de gráficos e métricas; Capacidade de estudo autônomo e resolução de problemas;

Tópicos

    Sem tópicos cadastrados


Obstáculos

Dificuldade em compreender conceitos matemáticos envolvidos em redes neurais, especialmente álgebra linear, funções, derivadas e noções de cálculo; Dificuldade em entender o funcionamento do treinamento de redes neurais; Baixa experiência prévia em programação aplicada à análise de dados e aprendizado de máquina; Complexidade das arquiteturas profundas; Necessidade de prática constante para consolidar os conceitos teóricos.

Metodologias

Não há metodologias cadastradas

Perguntas Frequentes

Em linhas gerais as redes neurais artificiais são modelos que buscam realizar atividades semelhantes ao cérebro humano como a adaptação, aprendizado e memória, mas com um escopo mais reduzido e com funções muito mais específicas.
O nome deep learning vem devido às várias camadas que envolvem o funcionamento e processamento dos modelos e por isso o termo “deep” (profundo).
Em linhas gerais o deep learning (aprendizado profundo) é um subconjunto do machine learning (aprendizado de máquina). Mas, a principal diferença entre os dois modelos de aprendizado de máquina é a necessidade de intervenção humana que é muito mais necessária nos modelos de machine learning, assim como o aprendizado profundo tem uma capacidade de processamento maior.
2026

Índices de aprovação

Altere a data ou marque/desmarque a opção "Todos os períodos" para fazer uma nova busca.

Aprovados 0%
Reprovados 0%
Nota média (todas as unidades)
0
Nota média por unidade
Unidade 1 N/A
Unidade 2 9.7
Unidade 3 4.2

Conteúdos

Conceitos

  • Inteligência Artificial; Aprendizado de Máquina; Redes Neurais Artificiais; Redes Neurais Profundas; Treinamento de Modelos; Arquiteturas de Redes Neurais.

Oferta/Matrícula


Ofertas

Última oferta: Buscando...

    Ofertas passadas
    Últimos 5 anos

      Faça uma pergunta!

      Professor

      Patrick Cesar Alves Terrematte
      Email: patrick.terrematte@ufrn.br

      Créditos
    • FELIPE TRINDADE GUERRA
    • Elaborador do roteiro
      HELEDDY RODRIGO VARELA DE SOUZA
    • Entrevistador
      IGOR DE OLIVEIRA COSTA
    • Editor de vídeo
      JOÃO MATHEUS BELCHIOR CONDADOS
    • Entrevistador e documentação
      LUCAS EMANUEL NOGUEIRA DE QUEIROZ
    • Auxiliador da gravação e documentação
      LUIZ EDUARDO GURGEL MARCELINO DE OLIVEIRA
    • Produtor do trailer da disciplina