Apolo

Atividade

130144 - Introdução ao Aprendizado de Máquina - EaD

Período da turma:

10/02/2025 a 14/02/2025

Selecione um horário para exibir no calendário:

Descrição:

Introdução ao aprendizado estatístico (problemas de regressão e classificação);
● Revisão Python e apresentação das ferramentas básicas: Numpy, Pandas, Matplotlib,
Scikit-learn e Keras;
● Regressão linear e logística;
● Avaliação de classificadores (K-fold, recall, precisão e outras medidas binárias);
● Redes Neurais - MLP;
● Modelos baseados em árvores: “Decision Trees”, Random Forests (noções de
ensembles de classificadores);
● Pré-processamento (normalização, ajuste de escala, imputação de valores, one-hot
encoding);
● Busca de hiperparâmetros com grid search e random search;
● Extração e seleção de atributos;
● Regularização: LASSO (L1), Ridge (L2) e Elastic net (L1 + L2)
● Deep Learning - aplicações com imagens;
O conteúdo do curso será desenvolvido utilizando slides e exemplos interativos com Jupyter
Notebook. Serão desenvolvidos conteúdos teóricos (como implementações de modelos e
algoritmos de otimização) e práticos (determinação de parâmetros e seleção de atributos),
sempre representando as melhores práticas de Aprendizado de Máquina. Serão usados
conjuntos de dados públicos reais e comumente usados, como reconhecimento de caracteres
manuscritos (MNIST) e análise de sentimento (Twitter US Airline Sentiment).
A avaliação será feita por meio de exercícios práticos e teóricos a serem feitos em casa. Não
há previsão de aplicação de prova em sala de aula. Um aluno é considerado aprovado se for
proficiente em todos os objetivos de aprendizagem listados anteriormente.

Bibliografia
Friedman, Jerome, Trevor Hastie, and Robert Tibshirani. "The elements of statistical learning".
Vol. 1. New York: Springer series in statistics, 2001.
Vapnik, Vladimir. "The nature of statistical learning theory". Springer science & business media,
2013.
Géron, Aurélien. "Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts,
Tools, and Techniques to Build Intelligent Systems". O’Reilly, 2017.
Chollet, François. "Deep Learning with Python". Manning, 2017.

Carga Horária:

10 horas

Tipo:

Obrigatória

Vagas oferecidas:

Ministrantes:

Artur Andre Almeida de Macedo Oliveira

voltar