Ministrantes:
João Paulo Papa (UNESP/Bauru)
Leandro Aparecido Passos Júnior (UNESP/Bauru – Petrobras)
Danilo Samuel Jodas (UNESP/Bauru)
Marcos Cleison Silva Santana (UNESP/Bauru – Petrobras)
Gustavo Henrique de Rosa (UNESP/Bauru – Microsoft)
Resumo: Modelos de aprendizado profundo têm sido aplicados nas mais diversas áreas do conhecimento, que vão desde aplicações na Medicina e Engenharia até Processamento de Linguagem Natural. Nos últimos anos, uma miríade de arquiteturas e técnicas para melhorar o seu treinamento foram propostas, com ênfase em um melhor aproveitamento de hardware e das amostras rotuladas do conjunto de treinamento. Desta forma, é imprescindível manter-se atualizado com relação às recentes descobertas na área, principalmente no que diz respeito às limitações de aprendizado impostas pelas bases de dados e funcionamento inerente à cada técnica.
Conteúdo: Neste curso aprenderemos fundamentos básicos de aprendizado de máquina, aprendizado em profundidade, aprendizagem auto-supervisionada, convoluções transpostas, em profundidade e dilatadas, ajuste fino de redes em profundidade com metaheurísticas e detecção de objetos.
Referências:
I. Goodfellow and Y. Bengio and A. Courville, “Deep Learning”, MIT Press, http://www.deeplearningbook.org, 2016.
L. Jing and Y. Tian, “Self-supervised Visual Feature Learning with Deep Neural Networks: A Survey,” in IEEE Transactions on Pattern Analysis and Machine Intelligence, doi: 10.1109/TPAMI.2020.2992393.
François Chollet, “Xception: Deep learning with depthwise separable convolutions”, Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 1251-1258, 2017.
G. Rosa, J. Papa, A. Marana, W. Scheirer, D. Cox, “Fine-tuning convolutional neural networks using harmony search”, Iberoamerican Congress on Pattern Recognition – CIARP, 683-690, 2015.
Mini CV:
João Paulo Papa possui graduação em Sistemas de Informação pela Universidade Estadual Paulista “Júlio de Mesquita Filho” (2002), mestrado em Ciência da Computação pela Universidade Federal de São Carlos (2005), e doutorado em Ciência da Computação pela Universidade Estadual de Campinas (2008). Possui, também, pós-doutorados pela Universidade Estadual de Campinas em 2009 e pela Universidade de Harvard em 2015. Atualmente, é membro IEEE senior, research fellow da Fundação Alexander von Humboldt (Alemanha) e presidente do capítulo brasileiro junto à Associação Internacional de Reconhecimento de Padrões.