Apolo

Atividade

113425 - Aprendizagem de Máquina 1

Período da turma:

07/05/2024 a 16/07/2024

Selecione um horário para exibir no calendário:

Descrição:

Objetivo:

Essa disciplina fornece uma ampla introdução ao aprendizado de máquina, mineração de dados e reconhecimento de padrões estatísticos. A disciplina se baseia em vários estudos de casos para que o aluno aprenda como aplicar algoritmos de aprendizado para construir robôs inteligentes (percepção e controle), compreensão de texto (pesquisa na Web e anti-spam), visão computacional, informática médica, áudio, mineração de banco de dados e outras áreas. O objetivo principal dessa disciplina é fornecer ao aluno uma visão geral da área de Aprendizado de Máquina e dos conceitos e métodos fundamentais utilizados, de forma a prepará-lo para aprofundar seu conhecimento em técnicas mais avançadas.

Ementa:

• Definição de aprendizado de máquina. Aprendizado supervisionado e não supervisonado.
• Regressão e classificação: aproximação de funções, regressão linear, regressão polinomial, regressão logística.
• Agrupamento e similaridade: máquinas de vetores de suporte, separadores ótimos, métodos de Kernel, método k-means.
• Redução de similaridade: análise de componentes principais (PCA) e suas variações.
• Regressão linear Bayesiana, classificadores de Bayes, Bayes ingênuo;
• Utilização de práticas eficientes em aprendizado de máquina (teoria de viés, variância, processo de inovação em aprendizado de máquina).
• Realização de atividades práticas de programação durante as aulas.

Bibliografia:

• Theobald, O., Machine Learning for Absolute Beginners: A Plain English Introduction, 2018.
• Mitchell, T., Machine Learning, McGraw-Hill, 1997.
• Hastie, T; Tibshirani, R.; Friedman, J. The Elements of Statistical Learning, 2nd edition, Springer-Verlag, 2009.
• Bishop, C., Pattern Recognition and Machine Learning, Springer, 2006.
• Duda, R.; Hart, P. and Stork, D., Pattern Classification, 2nd ed. John Wiley & Sons, 2001.

Carga Horária:

30 horas

Tipo:

Obrigatória

Vagas oferecidas:

Ministrantes:

Larissa Driemeier
Thiago de Castro Martins

voltar