|
|
Atividade
| 127077 - Análise e Mineração de Dados |
| Período da turma: | 07/10/2025 a 09/12/2025
|
||||
|
|
|||||
| Descrição: | Objetivo:
Preparar os alunos para data Science, apresentando aos alunos os principais paradigmas e técnicas de aprendizagem de máquina e reconhecimento de padrões. Conteúdo Programático: Teoria da Aprendizagem. Reconhecimento de padrões. Sistemas de recomendação. Aprendizado supervisionado: Modelos Lineares para Regressão. Modelos Lineares para Classificação. Regressão Logística. Árvores de Decisão. Máquinas de Vetor Suporte (MVS). Introdução a Redes Neurais Artificiais (RNA). Redes Neurais Convolucionais (RNC). Redes Neurais Recorrentes (RNR). Aprendizado não-supervisionado: Clustering, Análise de Componentes Principais (ACP). Ferramentas: Python , KERAS-TensorFlow e WEKA. Bibliografia: 1. EUGENE CHARNIAK. Introduction to Deep Learning. Editora MIT Press, 2019. 2. PAUL WILMOTT. Machine Learning: An Applied Mathematics Introduction. Editora: Panda Ohana Publishing, 2019. 3. STUART RUSSELL, PETER NORVIG. Artificial Intelligence: A Modern Approach. Editora: Pearson, 4th Edition, 2020. 4. HAYKIN, S. Neural Networks. Ed. Prentice Hall. 2001. 5. CHOLLET, F. Deep Learning with Python. New York, NY. Ed. Manning Publications, 2017. 6. FACELI, K. et al. Inteligencia Artificial-Uma abordagem de Aprendizado de Máquina. Ed. LTC, 2011. |
||||
| Carga Horária: |
27 horas |
||||
| Tipo: | Obrigatória | ||||
| Vagas oferecidas: | 55 | ||||
| Ministrantes: |
Luiz Sergio de Souza |
 voltar |
|
Créditos © 1999 - 2025 - Superintendência de Tecnologia da Informação/USP |