Apolo

Atividade

107153 - Analytics e Aprendizado de Máquina

Período da turma:

29/07/2024 a 31/01/2025

Selecione um horário para exibir no calendário:

Descrição:

Objetivo:

Introduzir os princípios básicos de Analytics e de Aprendizado de Máquina (Machine Learning). Inicia-se com as definições de Analytics e Machine Learning, e o que eles têm em comum com Data Science e Data Mining. Após as definições, descreve-se as etapas de um projeto de Analytics, com ênfase nas etapas de preparação dos dados, modelagem, e teste e validação dos modelos. Passa-se, então, definir os conceitos relacionados com Machine Learning, a sua classificação em supervisionado e não supervisionado, e as suas classes de aplicação. Ênfase especial é dada às técnicas de divisão dos dados para treinamento e teste dos modelos de Machine Learning. Por fim, são descritos os modelos mais comuns de Machine Learning e os métodos para a sua avaliação.

Tópicos:

Introdução: definições e relações de analytics, Data Science e Data Mining
Métodos de Analytics: análises Descritiva, Preditiva e Prescritiva
Etapas de um projeto de Analytics
Preparação de dados: importância da qualidade dos dados e seleção de atributos
Classificação de Machine Learning
Treinamento e teste
Modelos de Machine Learning
Avaliação do modelo de classificação

Forma de avaliação:

A avaliação será feita através de trabalho e/ou prova final

Bibliografia
Ian H. Witten, Frank Eibe, Mark A. Hall., Data Mining : Practical Machine Learning Tools and Techniques, Elsevier Inc., 3a Edição.
Larose, T. D, Larose, D. C, Data Mining and Predictive Analytics, Wiley, 2a. Edição. 2015
Dangeti, P., Statistics for Machine Learning, Packt Publishing, Edição 2017
Provost, Foster; Fawcett, Tom. Data Science for Business: What you need to know about data mining and data-analytic thinking. " O'Reilly Media, Inc.", 2013.

Carga Horária:

18 horas

Tipo:

Obrigatória

Vagas oferecidas:

150

Ministrantes:

Stephan Kovach

voltar