Aprendizado de Máquina

Ementa:

Introdução. Tipos de aprendizado. Paradigmas de aprendizado. Avaliação experimental de algoritmos de Aprendizado de Máquina. Alguns algoritmos de Aprendizado de Máquina.

4 horas semanais, teoria.

Ferramentas:

• Anaconda Python
• Scikit-Learn
• Keras
• TensorFlow

Tutoriais:

• Kaggle
• Tensorflow
• Scikit-Learn

Slides:

Semana I:

• Sobre a Disciplina
• Introdução
• Aprendizado Supervisionado e kNN

Semana II:

• Tratamento dos Atributos
• Regressão Linear, Ordinary Least Squares e Gradiente Descendente

Semana III:

• Overfitting
• Regressão Polinomial e Regressão Simbólica

Semana IV:

• Perceptron, Regressão Logística
• Naive Bayes

Semana V:

• Árvore de Regressão
• Redes Neurais Artificiais

Semana VI:

• P1

Semana VII:

• Aprendizado Não-Supervisionado e k-Means
• Agrupamento Espectral e Hierárquico

Semana VIII:

• PCA, DCDistance e CARFRE
• P2

Semana IX:

• Projeto Final
• Aprendizado por Reforço e Q-Learning

Semana X:

• Neuroevolução
• Dúvidas

Semana XI:

• Avaliação do Projeto

Semana XII:

• SUB
• REC

Bibliografia Básica:

1. BISHOP, Christopher M.; NASRABADI, Nasser M. Pattern recognition and machine learning. New York: springer, 2006.

2. DUDA, Richard O.; HART, Peter E.; STORK, David G. Pattern classification. John Wiley & Sons, 2012.

3. WITTEN, Ian H.; FRANK, Eibe. Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann, 2005.