Arco 1: Fundamentos de Redes Neurais
🎯 Objetivos e Estratégia do Módulo
Os capítulos são unidades independentes de estudo; os encontros que os utilizam são definidos pelo Plano de Ensino e Cronograma 2026-2, fonte normativa de datas, pesos, escopo e avaliação.
Este módulo introduz as fundações do aprendizado profundo com uma estratégia progressiva em três frentes: 1. Mecânica Básica (Aulas 1 a 3): Fundamentos e matemática “artesanal” com NumPy (Perceptron, Descida do Gradiente e Backpropagation). 2. Ecossistema Profissional (Aulas 4 a 6): Transição para o Keras com foco prático em problemas do mundo real (combate ao overfitting, regularização e otimização). 3. Visão e Engenharia (Aulas 7 e 8): Introdução a Redes Convolucionais (CNNs e Transfer Learning) e fechamento do ciclo de vida de ML (Deploy do modelo com FastAPI e Docker).
Nota importante: Todos os fundamentos aqui apresentados servirão de base para a disciplina e serão reanalisados, revisados e expandidos no Módulo 2.
Módulo 1: Fundamentos de Redes Neurais & MLOps
Neste módulo exploraremos as fundações das Redes Neurais — do Perceptron às CNNs com Transfer Learning —, utilizando NumPy para os fundamentos matemáticos e Keras/TensorFlow para o desenvolvimento profissional.
Os itens abaixo correspondem aos capítulos do Livro Didático, obras completas e independentes de agendamento. Para consultar em quais datas do semestre cada capítulo é ministrado, consulte o Cronograma da Disciplina.
Materiais Didáticos por Capítulo
Abaixo estão disponibilizados os materiais teóricos e práticos de apoio para cada um dos capítulos do Módulo 1:
| Capítulo | Tema Central | 📖 Livro-Texto | 📊 Slides Beamer | 🧪 Laboratório |
|---|---|---|---|---|
| Capítulo 01 | O Neurônio Artificial e Cultura Git | Capítulo 01 | Slides 01 | Roteiro 01 |
| Capítulo 02 | Redes Profundas (MLP) e Não-Linearidade | Capítulo 02 | Slides 02 | Roteiro 02 |
| Capítulo 03 | Como a Máquina Aprende (Gradiente e Backprop) | Capítulo 03 | Slides 03 | Roteiro 03 |
| Capítulo 04 | O Ecossistema Keras e Dados Reais | Capítulo 04 | Slides 04 | Roteiro 04 |
| Capítulo 05 | Overfitting, Multiclasse e Softmax | Capítulo 05 | Slides 05 | Roteiro 05 |
| Capítulo 06 | Regularização e Otimização (Dropout, Early Stopping, Adam) | Capítulo 06 | Slides 06 | Roteiro 06 |
| Capítulo 07 | CNNs e Transfer Learning | Capítulo 07 | Slides 07 | Roteiro 07 |
| Capítulo 08 | Fechamento: Deploy com FastAPI e Docker (TP1) | Capítulo 08 | Slides 08 | Roteiro 08 |