Fundamentos Matemáticos para Redes Neurais. Backpropagation e treinamento de redes neurais. Regularização e generalização. Performance. Avaliação do Aprendizado. Transfer Learning. Perceptrons e Multi-Layer Perceptrons. Convolutional Neural Networks (CNNs). Modelos Sequenciais: Recurrent Neural Networks (RNNs). Long Short Term Memory Networks (LSTMs). Generative Adversarial Networks (GANs). Autoencoders.  Mecanismo de auto-atenção: redes transformers. Aprendizado por similaridade e por contraste. Aprendizado fracamente supervisionado. Aprendizado auto-supervisionado. Aprendizado por prompt e modelos de base.

Bibliografia:

• GOODFELLOW, I., BENGIO, Y., & COURVILLE, A. (2016). Deep learning. MIT Press. Retrieved from http://www.deeplearningbook.org/
• NG, A. (n.d.). Machine learning yearning. Retrieved from http://www.mlyearning.org/
• SHANMUGAMANI, R. (2018). Deep learning for computer vision.
• GULLI, A., & PAL, S. (2017). Deep learning with Keras.
• BISHOP, C., & BISHOP, H. (2023). Deep learning.