MO434 — Deep Learning
Instituto de Computação (IC/Unicamp)Profa. Sandra Avila (sandra@ic.unicamp.br)
Avisos Importantes:
- [06/08/2019] As aulas terão início no dia 01/outubro/2019.
Horário e Local: Terças e quintas, das 14h às 16h. Sala 352.
Atendimento: O horário de atendimento será prestado sempre depois das aulas pela professora, ou pelo Slack (dl-unicamp-2019.slack.com).
| Data | Assunto | |
|---|---|---|
| 01/10/2019 | DL: Introduction & Course Logistics | |
| 03/10/2019 | [Deep] Neural Networks | |
| 08/10/2019 | Convolutional Neural Networks | |
| 10/10/2019 | CNN Architectures | |
| 15/10/2019 | CNN [Code] | |
| 17/10/2019 | Training [Deep] Neural Networks | |
| 24/10/2019 | Training [Deep] Neural Networks | |
| 29/10/2019 | Recurrent Neural Networks | |
| 31/10/2019 | [Object] Detection & [Semantic/Instance] Segmentation | |
| 05/11/2019 | Generative Adversarial Networks | |
| 12/11/2019 | Natural Language Processing (Prof. Roberto Lotufo) | |
| 21/11/2019 | Deep Learning: A Critical Appraisal | |
| 28/11/2019 | Understanding & Visualizing | |
| 05/12/2019 | Projects |
Avaliação: A avaliação será baseada em um projeto prático a ser realizado em grupo:
- Os grupos devem ter 3 alunas(os), necessariamente.
- As entregas devem ser feitas via Moodle, sendo que o relatório deve apresentar uma explicação sobre a técnica implementada, ilustrações dos resultados, e uma discussão sobre os resultados obtidos em formato de artigo científico, no modelo sugerido pela professora.
- O projeto deverá ser apresentado em sala, pelo grupo, na data agendada.
- A média final, M, será calculada como: M = 0,1 x proposta + 0,2 x baseline + 0,3 x vídeo + 0,4 x relatório/código
- O conceito final será atribuído da seguinte forma:
- A: se M ≥ 8.5
- B: se 7.0 ≤ M < 8.5
- C: se 5.0 ≤ M < 7.0
- D: se M < 5.0
Datas das Entregas das Avaliações: As datas abaixo estão sujeitas a alterações.
- Submissão da proposta (tema & base de dados): 10/10/2019 (10%)
- A temática do projeto deve ser AI for Social Good (Education, Protecting democracy, Urban planning, Assistive technology for people with disabilities, Health, Agriculture, Environmental sustainability, Social welfare and justice, Sustainable development).
- Submissão do baseline: 31/10/2019 (20%)
- Apresentação (vídeos de até 4 minutos):
28/11/201905/12/2019 (30%). Exemplos 2017.2 Exemplos 2018.2 - Submissão do relatório & código: 05/12/2019 (40%)
Observações:
- Não haverá provas ou exame para essa disciplina.
- Qualquer tentativa de fraude nas atividades da disciplina implicará em média final M = 0 (zero) para todas as pessoas envolvidas, sem prejuízo de outras sanções.
Referências: A professora não seguirá um livro texto específico, entretanto, os seguintes livros cobrem a maior parte do que será visto em aula:
- “Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow”, A. Géron, 2019.
- “Deep Learning”, Ian Goodfellow , Yoshua Bengio, Aaron Courville, 2016.