Configurando o ambiente
Inteligência Artificial, Machine Learning e 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.
Capítulo 4
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 1
Fundamentos
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 1
Fundamentos
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.

💡 Exemplo clássico: um filtro de spam que aprende a classificar e-mails com base em mensagens previamente marcadas pelos usuários.
Capítulo 1
Fundamentos
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 1
Fundamentos
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 2
Comparativo
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 3
Aplicações
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
📌 Atividade
Debate 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
📌 Atividade
Diagnóstico 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.