Apolo

Atividade

103589 - Análise Preditiva

Período da turma:

15/09/2022 a 03/11/2022

Selecione um horário para exibir no calendário:

Descrição:

Objetivo
Apresentar os fundamentos, conceitos e técnicas de criação e introdução à modelagem preditiva, regressão logística, regularização, arvores de decisão, florestas Aleatórias e bagging. Validação de modelos preditivos. Ao final desta disciplina, os alunos deverão: conceituar e introduzir as práticas e técnicas para visualização de informações; e compreender as técnicas mais comuns de visualização, aprendendo a utilizá-las de forma adequada e compreendendo os princípios que conduzem à criação de cenários futuros.

Conteúdo programático
Otimização não linear, redes neurais, otimização e incerteza, programação linear, simulação de Monte Carlo, análise de desempenho comparado (DEA), redes neurais, sistemas dinâmicos, otimização não linear, comparação de métodos evolutivos x algoritmos de início múltiplo, Bootstrapping, aplicações: lançamento de novos produtos, evolução de market-share, gestão de incerteza, otimização, método neutro em relação ao risco, fórmula de Black-Scholes, precificação por simulação de Monte Carlo, precificação pelo método binomial. Opção de organização de cenários futuros.

Referência bibliográfica
1. FACELI, K.; LORENA, A. C.; GAMA, J.; CARVALHO, A. C. P. L. F. Inteligência Artificial - Uma Abordagem de Aprendizado de Máquina. Editora LTC, 2011.
2. FAN, W.; BIFET, A. Mining big data: current status, and forecast to the future. ACM SIGKDD Explorations Newsletter, V.14, n.2, p.1-5, Dec. 2012.
3. SINGH, S.; SINGH, N. Big data analytics. International Conference on Communication, Information & Computing Techonolgy (ICCICT), p.1-4, Oct.2012.
4. PENNACCHIOTTI, M. Predicting purchase behaviors from social media. In: Proceedings of the 22nd international conference on World Wide Web, May 2013a. p.1521-2532.

Carga Horária:

21 horas

Tipo:

Obrigatória

Vagas oferecidas:

Ministrantes:

Cesar Alexandre de Souza

voltar