89696 - Aprendizado de Máquina |
Período da turma: | 18/07/2020 a 11/09/2020
|
||||
|
|||||
Descrição: | Objetivos:
Fornecer aos alunos os conceitos fundamentais, ferramentas e técnicas de aprendizado de máquina. Inclui informações básicas em ferramentas matemáticas e computacionais que suportam técnicas de aprendizado de máquina. Ilustrar os tópicos abordados com exemplos práticos e cenários realistas. Ementa: 1. Modelos de regress e regularização. 2. Regressão Bayesiana. 3. Métodos de clusterização. 4. Métodos de classificação: Regressão logística, Naïve Bayes, Suporte Vector Machine. 5. Árvores de Decisão. 6. Técnicas baseadas em comitês 7. Florestas Aleatórias. Referências: 1. Trevor Hastie, Robert Tibshirani, Jerome Friedman. The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer, 2009. 2. Christopher M. Bishop, Pattern Recognition and Machine Learning, Springer, 2006 3. Kevin P. Murphy. Machine Learning: A Probabilistic Perspective. MIT Press, 2012 4. Ethem Alpaydin. Introduction to Machine Learning, Second Edition” (http://cs.du.edu/~mitchell/mario_books/Introduction_to_Machine_Learning_-_2e_-_Ethem_Alpaydin.pdf) |
||||
Carga Horária: |
40 horas |
||||
Tipo: | Obrigatória | ||||
Vagas oferecidas: | 167 | ||||
Ministrantes: |
Francisco Aparecido Rodrigues |
![]() |
Créditos © 1999 - 2025 - Superintendência de Tecnologia da Informação/USP |