|
|
Atividade
| 132244 - Modelos Preditivos Não Supervisionados |
| Período da turma: | 22/07/2026 a 05/08/2026
|
||||
|
|
|||||
| Descrição: | Detalhamento:
Introdução aos modelos preditivos não supervisionados. Aprendizado não supervisionado: clusterização, detecção de anomalias e redução de dimensionalidade. Algoritmos de clusterização: k-means, hierarchical clustering, DBSCAN, entre outros. Algoritmos de detecção de anomalias: density-based anomaly detection, distance-based anomaly detection. Algoritmos de redução de dimensionalidade: PCA, t-SNE, LLE. Casos de estudo com modelos não supervisionados. DIXON, Mattew F.; HALPERIN, Igor; BILOKON, Paul. Machine Learning in Finance – From Theory to Practice. Switzerland: Springer, 2020. MCKINNEY, Wes. Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. O'Reilly Media, 2017. RASCHKA, Sebastian. Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 2nd Edition. Packt Publishing, 2017. IZBICKI, Rafael; DOS SANTOS, Tiago Mendonça. Aprendizado de máquina: uma abordagem estatística. Rafael Izbicki, 2020. WITTEN, Ian H.; FRANK, Eibe; HALL, Mark A. Data Mining: Practical Machine Learning Tools and Techniques, Fourth Edition. Morgan Kaufmann, 2016. GÉRON, Aurélien. Aprendizado de Máquina com Scikit-Learn e TensorFlow: Conceitos, Ferramentas e Técnicas para a Construção de Sistemas Inteligentes. Novatec Editora, 2018. |
||||
| Carga Horária: |
14 horas |
||||
| Tipo: | Obrigatória | ||||
| Vagas oferecidas: | 350 | ||||
| Ministrantes: |
Evandro Marcos Saidel Ribeiro |
 voltar |
|
Créditos © 1999 - 2025 - Superintendência de Tecnologia da Informação/USP |