136404 - EV2026 - Introdução a Aprendizado de Máquina para Geociências |
Data da turma: | 02/02/2026
|
||||
|
|||||
Descrição: | Módulo 1: Fundamentos e Aprendizado Supervisionado (4h)
Parte Teórica (2h): Introdução ao Machine Learning: conceitos, tipos e aplicações em Geociências Tipos de dados: 1D, 2D, 3D, … Pipeline de ML: aquisição de dados, pré-processamento, modelagem, avaliação Modelos supervisionados: regressão linear, regressão logística, árvores de decisão, Random Forest Métricas de avaliação: acurácia, matriz de confusão, precisão, ROC-AUC Parte Prática (2h): Introdução ao Scikit-learn Aplicação de aprendizado de máquina a dados de perfilagem de poços e sísmica Integração de Dados Geológicos e Geofísicos para geração de um modelo de favorabilidade mineral com ML (1h) Módulo 2: Aprendizado Não Supervisionadas e Interpretação de Resultados (4h) Parte Teórica (2h): Modelos não supervisionados: PCA, Kmeans, DBSCAN Interpretação de resultados (Feature Importance, SHAP) Parte Prática (2h): Aplicação de técnicas de aprendizado não supervisionado em dados de geociências; Referências Bibliográficas Denolle, M. & Mehra, A. (2023). Machine Learning in the Geosciences — ML Geo Curriculum. University of Washington. Available at: https://geo-smart.github.io/mlgeo-book/about_this_book/about_this_book.html [Acessado em 23 Abr. 2025]. Burkov, A., 2019. The hundred-page machine learning book (Vol. 1). Quebec City, QC, Canada: Andriy Burkov. Hastie, T., 2009. The elements of statistical learning: data mining, inference, and prediction. Géron, A., 2022. Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow: Concepts, tools, and techniques to build intelligent systems. " O'Reilly Media, Inc.". Molnar, C., 2022. Interpretable machine learning: A guide for making black box models explainable [online]. Available at: https://christophm.github.io/interpretable-ml-book/ [Acessado em 25 Abr. 2025]. |
||||
Carga Horária: |
8 horas |
||||
Tipo: | Obrigatória | ||||
Vagas oferecidas: | 20 | ||||
Ministrantes: |
André Vinícius de Sousa Nascimento Carlos Henrique Grohmann de Carvalho George Sand Leão Araújo de França Lucas Pedrosa Soares |
![]() |
Créditos © 1999 - 2025 - Superintendência de Tecnologia da Informação/USP |