Informações administrativas
| Titulo | Redes neurais |
| Duração | 60 |
| Módulo | A |
| Tipo de aula | Palestra |
| Foco | Prático — Modelação de IA |
| Tópico | Modelização da IA |
Palavras-chave
Rede neural, retropropagação, otimização,
Objetivos de aprendizagem
- Os alunos compreendem o arquiteto MLP
- Os alunos podem construir redes neurais com camadas totalmente ligadas e várias funções de ativação
- Os alunos compreendem a ideia básica de retropropagação e métodos baseados em gradientes
Preparação prevista
Eventos de aprendizagem a serem concluídos antes
Obrigatório para os Estudantes
- Revisão de álgebra linear e cálculo vetorial.
Facultativo para Estudantes
Nenhuma.
Referências e antecedentes para estudantes
Recomendado para professores
- Familiarize-se com os materiais de demonstração.
Materiais das aulas
Instruções para os professores
Cobrir os tópicos no esboço da lição e demonstrar os conceitos usando os blocos de notas interativos (forma da função de perda w.r.t. diferentes regularizadores, algoritmos de otimização baseados em gradientes). Dê uma breve visão geral do código.
Calendário/horário
| Duração (min) | Descrição | Conceitos |
|---|---|---|
| 5 | Da regressão logística ao perceptrão | entrada, pesos, viés, função sigmoide |
| 10 | Multiplicações multicamadas e matrizes | camada de entrada, camada oculta, camada de saída |
| 20 | Derivação do regime de retropropagação | descida do gradiente, taxa de aprendizagem, retropropagação |
| 10 | Funções de ativação | ReLU, sigmoid, tanh, softmax etc. |
| 10 | Funções de perda para classificação e regressão | MSE, entropia cruzada binária e categórica |
| 5 | Demonstração |
Agradecimentos
O programa de mestrado em IA centrado no ser humano foi cofinanciado pelo Mecanismo Interligar a Europa da União Europeia ao abrigo de subvenções CEF-TC-2020-1 Competências Digitais 2020-EU-IA-0068.