MO437 - Aprendizado Autossupervisionado (SI) - 1S/2026 Imprimir

Ementa:

Fundamentos de aprendizado de máquina: aprendizado supervisionado e não supervisionado, otimização com gradiente descendente, generalização, underfitting, overfitting e transferência de aprendizado.
Aprendizado de representação: extração de features e espaços latentes.
Aprendizado autossupervisionado: tarefas de pretexto, redes backbone, cabeças de projeção e de predição, estratégias de refinamento.
Técnicas e aplicações: métodos contrastivos (p.ex., SimCLR, BYOL) e baseados em reconstrução (p.ex., BERT, MAE).

Bibliografia:

1 - Zhang, A., Lipton, Z. C., Li, M., and Smola, A. J. Dive into Deep Learning. Online book (https://d2l.ai/)
2 - Aurélien Géron. Hands-On Machine learning with Scikit-Learn, Keras, and tensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems. O'REILY (2022)
3 - Balestriero, R., et al. A Cookbook of Self-Supervised Learning. 2023. arXiv (https://arxiv.org/abs/2304.12210)
4 - Ericsson, L., Gouk, H., Loy, C. C., Hospedales, T. Self-Supervised Representation Learning: Introduction, advances, and challenges. 2022. IEEE Signal Processing magazine.

Ano de Catálogo: 2026

Créditos: 4