colomeramonica / eri-deep-learning-course

Curso de Deep Learning ministrado na ERI SP OESTE

Material para o minicurso Deep Learning

Moacir A. Ponti (website)

Introduction to Data Science Bootcamp @ FGV, RJ - Janeiro de 2018

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

Índice do conteúdo

1. Rede neural com uma única camada (shallow network), no formato:
   • ShallowNetwork Notebook
   • ShallowNetwork Python Code
2. Rede neural densa com duas camadas ocultas (deep dense network), no formato:
   • DeepNetwork Notebook
   • DeepNetwork Python Code
3. Rede neural com camada convolucional e demonstração do uso de dropout (deep convolutional network):
   • DeepConvNetwork Python Code
4. Rede neural com camada convolucional e dropout, inclunido batch normalization (deep convolutional network with batch normalization):
   • DeepConvNetwork BN Python Code
5. Autoencoder com uma camada codificadora e uma camada decodificadora (autoencoder), no formato:
   • Autoencoder Notebook
   • Autoencoder Python Code
6. Autoencoder com uma camada codificadora e uma camada decodiificadora (autoencoder), testando a reconstrução de imagens de distribuição diferente:
   • Autoencoder New Images Python Code

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