Computação utilizando Python e bibliotecas científicas. Aplicações de Redes Neurais profundas. Mineração de dados (Data mining). Aplicações na Engenharia Nuclear.
BIBLIOGRAFIA: [1] “Hands-On Machine Learning with Scikit-Learn & TensorFlow”, Aurélien Géron. O’Reilly. 2017. [2] “Deep Learning with Python”, François Chollet. Manning Publications. 1 edition. 2017. [3] “Deep Learning”, Ian Goodfellow, Yoshua Bengio e Aaron Courville. MIT Press. 2016.
Créditos: 3,0 (três).
Carga horária: 45 horas
Introdução a Inteligência Artificial. Arquiteturas avançadas de Redes Neurais e Deep Learning. Tópicos avançados em computação evolucionária e Inteligência de enxames. Sistemas Especialistas e Lógica Nebulosa.
BIBLIOGRAFIA: [1] “Artificial Intelligence A Modern Approach”, Stuart Russel e Peter Norvig. Prentice Hall. 3rd edition. [2] “Neural Networks and Learning Machines”, Simon Haykin. Pearson. 3rd edition. [3] “Deep Learning”, Ian Goodfellow, Yoshua Bengio e Aaron Courville. MIT Press. 2016. [4] “Genetic Algorithms in Search, Optimization & Machine Learning”, David. E. Goldberg. Addison-Wesley Publishing Company, Inc. 1989. [5] “Swarm Intelligence”, James Kennedy e Russel C. Eberhart. Morgan Kaufmann. 2001. [6] “Fuzzy Control”, Kevin M. Passino e Stephen Yurkovich. Addison-Wesley. 1st edition. 1997.
Créditos: 3,0 (três).
Carga horária: 45 horas.
Curso abordando tópicos variáveis da área de pesquisa.
Créditos: 3,0 (três).
