Portuguese Chinese (Simplified) English French German Italian Japanese Russian Spanish

Deep Learning

DEEP LEARNING 

Ministrantes: Profª Roseli Ap. Francelin Romero
Resp.: Profª Roseli Ap. Francelin Romero

 

Resumo

As redes neurais profundas (DNN) têm apresentado excelentes desempenhos em tarefas de classificação e reconhecimento de padrões. Alguns dos modelos existentes conseguiram superar o desempenho de humanos no reconhecimento de imagens e tem revolucionado a área de visão computacional entre outras. Neste minicurso serão apresentados, inicialmente, modelos básicos, tais como, Perceptron, rede MLP – Multi-Layer Perceptrons e na sequencia alguns dos principais modelos de redes profundas redes, tais como, redes convolucionais (CNN), redes adversárias e alguns conceitos de técnicas de aprendizado como transfer learning e one-shot learning. Todos os métodos serão acompanhados com exercícios práticos.

 

MiniCV

Roseli Ap. Francelin Romero possui Doutorado em Engenharia Elétrica pela Universidade de Campinas, UNICAMP e realizou posdoc na Carnegie Mellon University. Atualmente, ela é professora Titular junto ao Departamento de Ciências de Computação, do ICMC, da Universidade de São Paulo, atuando tanto na graduação como na pós-graduação. Ela é membro do grupo de Computação Bioinspirada do ICMC-USP e coordenadora do LAR - Laboratório de Aprendizado de Robôs do ICMC-USP. De 2016 a 2018, atuou como Chefe do depto. SCC/ICMC-USP e coordenadora do Centro de Robótica da USP de São Carlos-SP (CRob-SC/USP). Suas áreas de interesse são: redes neurais artificiais, sistemas nebulosos, visão computacional, aprendizado de máquina e robótica.

Última modificação em Quinta, 04 Julho 2019 20:16