Conteúdo das aulas


Faculdade de Tecnologia e Inovação
SENAC DF
Deep Learning

Bem-vindos à disciplina de Deep Learning — uma jornada pelo universo das redes neurais profundas e suas aplicações que estão transformando o mundo.

Prof.ª Maristela Oliveira

Objetivos e Competências

Esta disciplina visa capacitar o estudante a dominar os fundamentos teóricos e práticos de Deep Learning, aplicando Redes Neurais Artificiais para resolver problemas reais. Explore a Computação Natural e as soluções de IA sob perspectivas técnicas, éticas e de mercado.

Compreender Fundamentos

Machine Learning, Deep Learning e Computação Natural.

Implementar Modelos

Desenvolver soluções em Deep Learning com Python.

Avaliar Desempenho

Interpretar métricas e resultados de modelos de IA.

Responsabilidade Ética

Analisar vieses e implicações éticas da Inteligência Artificial.

Plano de Aulas
Organização da Disciplina
1
Fundamentos e contexto
  • IA, ML e Deep Learning: diferenças e aplicações
  • Computação Natural
  • Inspiração biológica das redes neurais
  • História, evolução e mercado
2
Redes Neurais Artificiais
  • Perceptron
  • Funções de ativação
  • Forward e Backpropagation
  • Overfitting, underfitting e regularização
3
Deep Learning na prática
  • Keras / TensorFlow
  • Construção de modelos
  • Treinamento, validação e teste
  • Métricas de avaliação
  • Ajuste de hiperparâmetros
4
Arquiteturas e aplicações
  • CNN (visão computacional)
  • Introdução a RNN / LSTM (texto ou séries temporais)
  • Casos reais (dados, imagens, acessibilidade, sustentabilidade)
5
Ética, vieses e projeto final
  • IA responsável
  • Vieses algorítmicos
  • Impactos sociais e de mercado
  • Desenvolvimento e apresentação do projeto aplicado
Capítulo 1Fundamentos
O que é Inteligência Artificial (IA)?

A Inteligência Artificial é a área da ciência da computação dedicada a criar sistemas capazes de realizar tarefas que normalmente exigem inteligência humana — como perceber, raciocinar, aprender e tomar decisões.

Reconhecimento de Voz

Transcrição e compreensão da fala humana em tempo real

Visão Computacional

Interpretação de imagens e vídeos por algoritmos

Assistentes Virtuais

Chatbots e assistentes que interagem em linguagem natural

Capítulo 1Fundamentos
O que é Machine Learning?

Machine Learning é um subcampo da IA que permite que máquinas aprendam a partir de dados, sem serem explicitamente programadas para cada tarefa.

Os algoritmos de ML criam modelos matemáticos que identificam padrões nos dados para fazer previsões ou tomar decisões de forma autônoma.

Capítulo 1Fundamentos
O que é Deep Learning?

Deep Learning é uma subárea do Machine Learning que utiliza redes neurais com múltiplas camadas ocultas para aprender representações cada vez mais complexas e abstratas dos dados.

Por que é tão poderoso?
  • Resolve problemas complexos como reconhecimento facial e tradução automática
  • Capaz de realizar diagnósticos médicos com precisão comparável a especialistas
  • Carros autônomos interpretam imagens do ambiente em tempo real usando DL
Capítulo 1Fundamentos
Redes neurais e suas camadas

As redes neurais são um pilar do Deep Learning, inspiradas no cérebro humano. Elas consistem em "neurônios" interconectados, organizados em camadas para processar informações e aprender padrões complexos.

Cada camada desempenha um papel crucial, desde a recepção dos dados brutos (camada de entrada), passando pelo processamento e extração de características (camadas ocultas), até a entrega da decisão final (camada de saída).

Capítulo 2Comparativo
Diferenças entre Machine Learning e Deep Learning

Em resumo: DL geralmente supera ML em tarefas complexas, mas ML continua eficiente quando os dados são escassos ou o problema é mais simples.

Capítulo 3Aplicações
Exemplos reais de Deep Learning no dia a dia



Assistentes Virtuais

Siri, Alexa e Google Assistant compreendem linguagem natural com redes neurais profundas


Sistemas de Recomendação

Netflix e Spotify personalizam sugestões com base nos seus padrões de consumo


Diagnóstico Médico

Análise de imagens médicas com alta precisão para detecção precoce de doenças


Reconhecimento Facial

Desbloqueio de smartphones e sistemas de segurança usando visão computacional

📌 AtividadeDebate em Grupo
Atividade 1: Debate em Grupo
🗣️ Tema do Debate

"Impactos éticos e sociais do Deep Learning"

Dinâmica
  • Divisão em grupos de 3-5 alunos
  • Discutir benefícios e riscos da tecnologia
  • Apresentação rápida das conclusões
📌 AtividadeDiagnóstico Individual
Atividade 2: Mini Diagnóstico Individual

Um questionário rápido para mapear os conhecimentos prévios da turma sobre IA, Machine Learning e Deep Learning.

01
Responder o questionário

Perguntas objetivas sobre conceitos básicos

02
Análise dos resultados

Identificar pontos fortes e lacunas da turma

03
Ajuste do ritmo

Adaptar o andamento da disciplina às necessidades

Conclusão e Próximos Passos
🚀 Tecnologia Transformadora

Deep Learning impulsiona aplicações reais que estão redefinindo indústrias inteiras

🎯 Preparação Profissional

Esta disciplina vai equipar você para entender e aplicar técnicas de ponta

💡 Jornada Empolgante

Prepare-se para um aprendizado desafiador, prático e cheio de descobertas!

Próxima aula: Módulo 1 — Fundamentos de Machine Learning como base para o Deep Learning.