módulo #1 Introdução ao aprendizado profundo Visão geral do aprendizado profundo, história e aplicações
módulo #2 Pré-requisitos matemáticos Revisão de álgebra linear, cálculo e teoria da probabilidade
módulo #3 Noções básicas sobre redes neurais Introdução às redes neurais artificiais, perceptrons e perceptrons multicamadas
módulo #4 Funções de ativação e retropropagação Funções de ativação, retropropagação e descida de gradiente
módulo #5 Construindo e treinando redes neurais Experiência prática com a construção e o treinamento de redes neurais usando uma estrutura de aprendizado profundo
módulo #6 Redes neurais convolucionais (CNNs) Introdução às CNNs, camadas convolucionais e camadas de pooling
módulo #7 Arquiteturas de CNN Arquiteturas AlexNet, VGGNet, GoogLeNet e ResNet
módulo #8 Aprendizado de transferência e ajuste fino Usando modelos de CNN pré-treinados e ajuste fino para tarefas de classificação de imagens
módulo #9 Redes Neurais Recorrentes (RNNs) Introdução a RNNs, RNNs simples e redes LSTM
módulo #10 Arquiteturas RNN GRU, RNNs Bidirecionais e Modelos de Codificador-Decodificador
módulo #11 Modelos de Sequência para Sequência Tradução automática, chatbots e modelos de sequência para sequência
módulo #12 Modelos Generativos Introdução a modelos generativos, GANs e VAEs
módulo #13 Autocodificadores e Autocodificadores Variacionais Redução de dimensionalidade, autocodificadores e VAEs
