Portal InstitucionalUFPEL

Objetivo Geral:

1. Breve Histórico sobre RNA

2. O Neurônio Artificial

3. Arquitetura das RNA

4. Funcionamento das RNA

5. Funções de Ativação

6. Paradigmas e Regras de Aprendizagem

7. O Perceptron de Múltiplas Camadas

8. Algoritmo de Retropropagação de Erro

9. Aprendizagem Profunda

10. Redes Convolucionais

11. Ferramentas

12. Aplicações

Bibliografia Básica:

• 1. Chollet, F. Deep Learning with Python. 2nd. Manning Publications Co. 2021. 400 p. ISSN-10: 1617296864, ISSN-13 978-1617296864
• 2. Goodfellow, I.J; Bengio, Y.; Courville, A. Deep Learning, MIT Press, 2016. 800 p. ISBN-10: 0262035618, ISBN-13: 978-0262035613
• 3. Haykin, S. Neural Network and Learning Machines. 3rd Edition. Pearson Education. 2011. 936 p. ISBN-10: 0133002551, ISSN-13: 9780133002553
• 4. Raschka, S; Mirjalili, V. Python Machine Learning. 2nd. Packt Publishing. 2017. 454 p. ISBN:978-1-78355-513-0
• 5. Braga, A.; Ludermir, T.; Carvalho, A. Redes Neurais Artificiais: Teoria e Aplicações. Rio de Janeiro: LTC - Livros Técnicos e Científicos, 2000. 262 p.
• 6. Haykin, S. Redes Neurais: Princípios e Práticas. 2nd Edition. Porto Alegre: Bookman. 2001. 900 p. ISBN 978-857780-086-5.
• 7. Kovacs, Z. Redes Neurais Artificiais: Princípio e Aplicações. Rio de Janeiro: Collegium Cognitio, 1996. 173 p.
• 8. Stevens, E., Antiga, L.; Viehmann, T. Deep Learning with PyTorch. Manning Publications Co. 2020. 520 p. ISSN-10: 1617295264, ISSN-13: 978-1617295263
• 9. Artigos científicos de revistas nacionais e internacionais relacionados com a disciplina e atuais.