Curso Online de INTELIGÊNCIA ARTIFICIAL

Curso Online de INTELIGÊNCIA ARTIFICIAL

MAIS UM CURSO OFERECIDO PELA PROMOVENDO CONHECIMENTO LANÇANDO UMA COLEÇÃO DE NOVOS CURSOS APROVEITEM E ENTRE NA NOSSA PAGINA DE CURSOS PA...

Continue lendo

Autor(a):

Carga horária: 9 horas


Por: R$ 30,00
(Pagamento único)

Mais de 30 alunos matriculados no curso.

Certificado digital Com certificado digital incluído

MAIS UM CURSO OFERECIDO PELA PROMOVENDO CONHECIMENTO LANÇANDO UMA COLEÇÃO DE NOVOS CURSOS APROVEITEM E ENTRE NA NOSSA PAGINA DE CURSOS PARA CONFERIR QUALQUER DUVIDA ESTAMOS ONLINE NO EMAIL DESCRITO NOS CURSOS E NA ABA DUVIDAS

ATENCIOSAMENTE,
PROMOVENDO CONHECIMENTO.

ESTAMOS OFERECENDO CURSOS DE TODAS AS AREAS A MAIORIA DELES EM TI (TECNOLOGIA DA INFORMAÇAO) POREM OFERECEMOS CURSOS DE ADMINISTRAÇÃO, GESTÃO EM GERAL, ANALISE, DESENVOLVIMENTO, ENGENHARIA E MUITOS OUTROS CONFIRAM



  • Aqui você não precisa esperar o prazo de compensação do pagamento para começar a aprender. Inicie agora mesmo e pague depois.
  • O curso é todo feito pela Internet. Assim você pode acessar de qualquer lugar, 24 horas por dia, 7 dias por semana.
  • Se não gostar do curso você tem 7 dias para solicitar (através da pagina de contato) o cancelamento ou a devolução do valor investido.*
  • Adquira certificado ou apostila impressos e receba em casa. Os certificados são impressos em papel de gramatura diferente e com marca d'água.**
* Desde que tenha acessado a no máximo 50% do material.
** Material opcional, vendido separadamente.

Modelo de certificados (imagem ilustrativa):

Frente do certificado Frente
Verso do certificado Verso
  • Inteligência Artificial II

    inteligência artificial ii

    alexandre c. b. ramos
    www.ici.unifei.edu.br/ramos
    ramos@unifei.edu.br

  • Objetivos

    objetivos

    estimular a capacidade de elaboração de projetos baseados em algoritmos de redes neurais.
    incentivar a realização de projetos utilizando técnicas e ferramentas de algoritmos genéticos.
    despertar o interesse pela pesquisa científica e pelo conhecimento de novas tecnologias.

  • Programa

    programa

    redes neurais
    introdução
    como se aprende
    redes neurais naturais x artificiais
    arquiteturas e algoritmos
    treinamento e aplicações

  • Bibliografia

    bibliografia

    braga, a. p. redes neurais artificiais. ltc.2000.
    kasabov, n. k. foundations of neural networks, fuzzy systems and knowledge engineering. the mit press. 1996.
    michalewicz, z. genetic algorithms + data structures = evolution programs, 3 ed. berlin: springer, 1996.

  • Redes Neurais

    redes neurais

    redes neurais artificiais são técnicas computacionais que apresentam um modelo matemático inspirado na estrutura neural de organismos inteligentes e que adquirem conhecimento através da experiência.
    uma grande rede neural artificial pode ter centenas ou milhares de unidades de processamento; já o cérebro de um mamífero pode ter muitos bilhões de neurônios.

    http://www.icmc.usp.br/~andre/research/neural/index.htm

  • Redes Neurais

    redes neurais

    o sistema nervoso é formado por um conjunto extremamente complexo de células, os neurônios. eles têm um papel essencial na determinação do funcionamento e comportamento do corpo humano e do raciocínio.
    os neurônios são formados pelos dendritos, que são um conjunto de terminais de entrada, pelo corpo central, e pelos axônios que são longos terminais de saída.

  • História

    história

    um histórico resumido sobre redes neurais artificiais deve começar por três das mais importantes publicações iniciais, desenvolvidas por: mcculloch e pitts (1943), hebb (1949), e rosemblatt (1958).
    estas publicações introduziram o primeiro modelo de redes neurais simulando “máquinas”, o modelo básico de rede de auto-organização, e o modelo perceptron de aprendizado supervisionado, respectivamente.
    alguns históricos sobre a área costumam “pular” os anos 60 e 70 e apontar um reínicio da área com a publicação dos trabalhos de hopfield (1982) relatando a utilização de redes simétricas para otimização e de rumelhart, hinton e williams que introduziram o poderoso método backpropagation.
    entretanto, para se ter um histórico completo, devem ser citados alguns pesquisadores que realizaram, nos anos 60 e 70, importantes trabalhos sobre modelos de redes neurais em visão, memória, controle e auto-organização como: amari, anderson, cooper, cowan, fukushima, grossberg, kohonen, von der malsburg, werbos e widrow.

  • Redes Neurais

    redes neurais

    o que é aprender?
    incrementar o conhecimento
    adaptar-se melhor às novas situações do ambiente
    ...
    como se aprende?
    observando
    memorizando
    generalizando
    especializando
    .....

  • O que é necessário para o aprendizado?

    o que é necessário para o aprendizado?

    aspecto externo (do ambiente)
    exemplos, experiências, ensino, ....
    aspecto estrutural (do agente)
    sentidos
    cérebro (baixo nível)
    memória e processador de símbolos (alto nível)
    aspecto funcional (mecanismos de aprendizado)
    modelo simbólico: representação de conhecimento, indução, dedução
    modelo conexionista: redes neurais

  • Redes Neurais

    redes neurais

    técnica de aprendizado que tem como modelo o cérebro.
    q_ _m n_ _ ch_ r _ , n_ _ m _ m _ !
    você consegue identificar a frase?
    pegar uma borracha sendo arremessada
    apesar de não ser tão rápido quanto um computador, nosso cérebro consegue calcular a trajetória da borracha muito bem.
    o cérebro humano é formado por 100 bilhões de neurônios, cada um, ligado a outro ou a 100.000 outros!

  • Aplicações de RN

    aplicações de rn

    reconhecimento de voz
    reconhecimento de texto (ocr)
    avaliação de risco de financiamento
    detector de bombas
    auxílio na identificação de reservas de petróleo
    ...


Matricule-se agora mesmo Preenchendo os campos abaixo
R$ 30,00
Pagamento único
Processando... Processando...aguarde...
Autorizo o recebimento de novidades e promoções no meu email.

  • Inteligência Artificial II
  • Objetivos
  • Programa
  • Bibliografia
  • Redes Neurais
  • História
  • Redes Neurais
  • O que é necessário para o aprendizado?
  • Redes Neurais
  • Aplicações de RN
  • Neurônio natural
  • Funcionamento do neurônio
  • Computador x Cérebro
  • Perceptron
  • Estrutura do neurônio artificial
  • Funções de ativação
  • Neurônio artificial
  • Deficiência
  • Exercícios
  • Treinamento do Perceptron
  • Perceptron training rule
  • Definição de RN
  • RNAs aprendem
  • Arquiteturas de RNAs
  • Taxonomia das RNAs
  • Aprendizado
  • Aprendizado supervisionado
  • Aprendizado não-supervisionado
  • Multi Layer Perceptron
  • Aprendizado hebbiano
  • Algoritmo Back-propagation
  • Fase forward
  • Fase backward
  • Algoritmo back-propagation
  • Regra delta
  • Cálculo da ativações
  • Cálculo do erro
  • Cálculo do ajuste dos pesos
  • Gradiente descendente
  • Parâmetros de treinamento
  • Dificuldade no treinamento
  • Momentum
  • Overfitting
  • Algoritmo de aprendizado supervisionado
  • Adaline
  • O modelo Adaline
  • O gradiente no modelo Adaline
  • Desenvolvendo RN
  • Tradução do Problema
  • Projeto da RNA - Back Propagation
  • A Camada do meio
  • Treinamento da RN
  • A ferramenta Nets 3.0
  • Instalando Nets3.0
  • Utilizando Nets3.0
  • Definindo a arquitetura da RN
  • Criando o arquivo de E/S
  • Treinando a RN
  • Criando a RN no Nets3.0
  • Inicializando o arquivo de pares E/S
  • Treinando a RN
  • Testando a RN
  • Salvando os pesos da RN
  • Exercício
  • Redes Self-Organizing
  • Introdução
  • Modelo de aprendizado
  • Self-organizing - Princípios
  • Self-organizing - redundância
  • Redes ART1
  • ART1 - arquitetura
  • ART1 - treinamento
  • ART1 - reconhecimento
  • ART1 - comparação
  • ART1 - busca
  • ART1 – algoritmo de aprendizado
  • Exemplo – Passo 1
  • Exemplo
  • Exemplo – Passo 3