maponti / deeplearning_intro_datascience

Minicurso Deep Learning: Introduction to Data Science

Material para o minicurso Deep Learning

Moacir A. Ponti (website)

Organização

Esse repositório está organizado em três pastas:

• Código em Python: contendo arquivos .py com exemplos completos, esses arquivos podem ser executados utilizando: python arquivo.py
• Jupyter Notebooks: contendo arquivos .ipynb com exemplos conforme codificado durante o minicurso esses arquivos devem ser executados ou abertos no browser via a aplicação Jupyter Notebook
• Slides: slides PDF dos assuntos apresentados

Notebooks

Minicurso "Deep Learning: unidades de processamento densa, convolucional, recorrente, e estratégias de transferência de aprendizado"

da 4.a Escola Avançada de Big Data Analysis

0. Slides
   • Deep Learning e unidades de processamento
1. Redes neurais densas e convolucionais
   • Convolutional Neural Network (CNN)
2. Redes neurais recorrentes
   • Long short term memory (LSTM) networks

Minicurso "Introdução a Deep Learning"

0. Tensorflow básico em modo eager

1. Rede neural com camadas densas, no formato :

   • Multilayer Perceptron (MLP)

2. Rede neural convolucional:

   • Convolutional Neural Network (CNN)

3. Autoencoder com camadas densas no formato :

   • Deep Autoencoder (Deep AE)

4. Autoencoder convolucional com uso das características em classificador externo:

   • Conv. Deep Autoencoder (Conv Deep AE)

5. Fine-tuning a partir de uma rede pré-treinada:

   • Pretrained CNN finetuning

6. Rede LSTM para predição de série temporal:

   • Long Short Term Memory Network (LSTM)

Materiais extras, Slides, Papers, etc.:

• Capítulo de Livro "Como funciona o Deep Learning"
• Artigo Tutorial Deep Learning em Visão Computacional
• Link para a Página do Tutorial SIBGRAPI Deep Learning

Versões antigas

• v1.2017: código e material dos cursos de 2017/2-2018/1