O interesse em Deep Learning explodiu nos últimos anos. O aprendizado de máquina está em toda parte, em aplicações cujo número cresce exponencialmente. Neste curso, os alunos vão aprender a programar em Python, conhecer a Inteligência Artificial e praticar o desenvolvimento de aplicações de Deep Learning em Python.
Deep Learning (DL) é um ramo da Inteligência Artificial que emprega modelos matemáticos capazes de aprender a partir de dados. Um programa de inteligência artificial (IA) é capaz de aprender e inferir a partir de dados que representam um processo qualquer. DL "aprende" a partir de um conjunto grande e diversificado de dados, usado para treinar o modelo. Uma vez treinado, o modelo é então utilizado para inferir resultados em dados semelhantes ou novos, ainda não conhecidos pelo modelo.
No curso serão apresentados os principais algoritmos de deep learning, como Redes Neurais Convolucionais, Redes Recorrentes e LSTM. Aplicações em visão computacional, reconhecimento de voz e reconhecimento de padrões, previsão de séries, utilizando a linguagem PYTHON, serão vistas durante o curso.
Python é considerada essencial para a ciência de dados. A legibilidade, modularidade e simplicidade inerentes ao Python, bem como o número de bibliotecas analíticas dedicadas, disponíveis atualmente, fazem de Python uma linguagem de alto nível amplamente utilizada e difundida na atualidade.
Python é um recurso muito utilizado na área de inteligência artificial. Com ferramentas de processamento de texto e imagens, o Python é uma boa escolha para a análise exploratória, treinamento de modelos de inferência, processamento de linguagem natural e problemas envolvendo imagens. Cientistas de dados encontram pacotes já personalizados para suas necessidades disponíveis gratuitamente para uso. A ciência de dados foi um dos primeiros beneficiários dessas extensões, principalmente, pacotes como Pandas, NumPy, Scikit-Learn e TensorFlow, além de plataformas com Jupyter Notebook.
Sendo Python uma linguagem de programação de código aberto (Open Source), ela é projetada para ser acessada abertamente pelo público: todas as pessoas podem ver o seu código, modificá-lo e distribuí-lo conforme suas necessidades.
O curso é oferecido pelo Laboratório de Inteligência Computacional Aplicada (ICA) da PUC-Rio. O ICA tem 30 anos de experiência no desenvolvimento de pesquisa e projetos de IA aplicada para empresas como Petrobras, Vale, Light, entre outras. Seus pesquisadores são professores deste curso e do BI MASTER da PUC-Rio, a pós-graduação lato sensu em Ciência de Dados pioneira na América Latina.
![Marco Aurelio Cavalcanti Pacheco](javascript:preencher_modal('<img src="\\imagens\\pessoa\\0000\\00000695.jpg" class="img-docente"/><br>', 'Marco Aurelio Cavalcanti Pacheco', '<p class="MsoNormal">Marco Aurélio Cavalcanti Pacheco é Engenheiro Eletrônico e
Mestre em Engenharia Elétrica pela PUC-Rio e PhD em Computer Science pelo University
College of London (1991). Desde 1977, é professor da Pontifícia Universidade
Católica do Rio de Janeiro e, desde 1992, é diretor do Laboratório de
Inteligência Computacional Aplicada, ICA. <o:p></o:p></p>
<p class="MsoNormal">Suas áreas de interesse de pesquisa incluem: Inteligência Artificial,
Métodos de Apoio à Decisão e Nanotecnologia. Propôs a Área de Concentração em
Nanotecnologia, criada em 2007 no Programa de Pós-Graduação do Departamento de
Engenharia Elétrica da PUC-Rio e, junto com pesquisadores do CTC da PUC-Rio,
liderou a criação do primeiro programa de Engenharia em Nanotecnologia da
América Latina. Em 2007, criou a
primeira pós-graduação lato sensu em Inteligência Artificial no Brasil,
Business Intelligence Master.<o:p></o:p></p>
<p class="MsoNormal">Suas áreas de interesse de pesquisa incluem: Inteligência
Artificial e Nanotecnologia. Já orientou 60 dissertações de Mestrado e 29 teses
de Doutorado, coordenou mais de 50 projetos de P&D nas áreas de óleo e gás
e energia elétrica e publicou 61 artigos em periódicos internacionais e mais de
300 artigos em conferências. Já ganhou cinco Prêmios Petrobras de Tecnologia e
um Prêmio Santander Universidades - Ciência e Inovação<o:p></o:p></p>', '');){kind=link}
![Felipe Borges Coelho](javascript:preencher_modal('<img src="\\imagens\\pessoa\\0047\\00471523.jpg" class="img-docente"/><br>', 'Felipe Borges Coelho', 'Graduado em Engenharia de Controle e Automação pela PUC-Rio e Mestre em Metrologia e Instrumentação também pela PUC-Rio. Atua na área de inteligência artificial com foco em algoritmos de otimização e com interesse crescente em análise crítica de dados. Possui experiência em desenvolvimento de software em diversas linguagens computacionais e atualmente trabalha em projetos de pesquisa nas áreas de processamento de dados, algoritmos de otimização, aprendizado de máquina e em Deep Learning.', '');){kind=link}
![Leonardo Alfredo Forero Mendonza](javascript:preencher_modal('<img src="\\imagens\\pessoa\\0040\\00408721.jpg" class="img-docente"/><br>', 'Leonardo Alfredo Forero Mendonza', 'Possui graduação em engenharia eletrônica - Universidade Pontifícia Bolivariana (2002), mestrado em engenharia de telecomunicações pela Universidade Federal Fluminense (2009) e Doutorado em Engenharia Elétrica pela Pontifícia Universidade Católica do Rio de Janeiro (2013). Atualmente é pesquisador vinculado da Pontifícia Universidade Católica do Rio e professor do BI-Master da PUC-Rio. Tem experiência na área de inteligência artificial, atuando principalmente nos seguintes temas: NLP, neural network, glottal, pathology e recognition voice. Possui 10 anos de experiência como supervisor gerente e coordenador em projetos P&D.', '');){kind=link}
![Manoela Rabello Kohler](javascript:preencher_modal('<img src="\\imagens\\pessoa\\0044\\00442113.jpg" class="img-docente"/><br>', 'Manoela Rabello Kohler', 'Profissional com mais de 10 anos de experiência como pesquisadora, desenvolvedora e coordenadora de equipes em projetos de Pesquisa e Desenvolvimento. Especialista em métodos de apoio à decisão. Possui graduação em Engenharia de Computação pela Pontifícia Universidade Católica do Rio de Janeiro (2011), Mestrado em Engenharia Elétrica (linha de pesquisa: Métodos de Apoio à Decisão) na Pontifícia Universidade Católica do Rio de Janeiro (2013) e Doutorado em Engenharia Elétrica (linha de pesquisa: Métodos de Apoio à Decisão) na Pontifícia Universidade Católica do Rio de Janeiro (2017). Atualmente é pesquisadora sênior no Laboratório de Inteligência Computacional Aplicada e professora da PUC-Rio, ministrando aulas no curso de pós-graduação BI-Master (MBA) e cursos de extensão em Inteligência Artificial.', '');){kind=link}