Arco 1: Fundamentos de Redes Neurais
🎯 Objetivos e Estratégia do Módulo
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.
Arco 1: Fundamentos de Redes Neurais (Keras)
Neste arco exploraremos as fundações das Redes Neurais — do Perceptron às CNNs com Transfer Learning —, utilizando NumPy para os fundamentos e Keras para o desenvolvimento profissional.
Materiais Didáticos
Abaixo estão disponibilizados os materiais teóricos e práticos de apoio para cada uma das aulas do Arco 1:
| Encontro | Tema | 📖 Capítulo | 📊 Slides | 🧪 Laboratório |
|---|---|---|---|---|
| Aula 1 | O Neurônio Artificial e Cultura Git | Capítulo 1 | Slides 1 | Roteiro 1 |
| Aula 2 | Redes Profundas (MLP) e Não-Linearidade | Capítulo 2 | Slides 2 | Roteiro 2 |
| Aula 3 | Como a Máquina Aprende (Gradiente e Backpropagation) | Capítulo 3 | Slides 3 | Roteiro 3 |
| Aula 4 | O Ecossistema Keras e Dados Reais | Capítulo 4 | Slides 4 | Roteiro 4 |
| Aula 5 | Overfitting, Multiclasse e Softmax | Capítulo 5 | Slides 5 | Roteiro 5 |
| Aula 6 | Regularização e Otimização (Dropout, Early Stopping, Adam) | Capítulo 6 | Slides 6 | Roteiro 6 |
| Aula 7 | CNNs e Transfer Learning | Capítulo 7 | Slides 7 | Roteiro 7 |
| Aula 8 | Fechamento: Deploy com FastAPI e Docker | Capítulo 8 | Slides 8 | Roteiro 8 |