105811 - Introdução à aprendizagem estatística e à ciência de dados em R |
Período da turma: | 18/04/2022 a 24/06/2022
|
||||
|
|||||
Descrição: | Nesta disciplina abordamos o conteúdo introdutório dos métodos atuais de aprendizagem estatística, apresentando os fundamentos teóricos e suas possíveis aplicações. O conteúdo da disciplina corresponde aos seguintes tópicos:
1- Revisão de conceitos básicos de probabilidade e estatística: variáveis aleatórias, esperança, variância e viés. Conceitos básicos da aprendizagem estatística supervisionada. 2- Modelos lineares para regressão. 3- Diferentes tipos de erro. Decomposição do erro esperado "fora da amostra" em viés e variância. Avaliação e seleção de modelos, validação cruzada. 4- Seleção de variáveis no modelo de regressão linear e regularização. 5- Métodos de classificação: regressão logística, naive Bayes e k-vizinhos mais próximos. 6- Árvores de decisão. Bagging, florestas aleatórias e boosting. 7- Redes neurais, algoritmo gradiente descendente, gradiente descendente estocástico, regularização. 8- Redes neurais convolucionais e recorrentes. 9- Métodos para análise não supervisionada. Para cada um destes tópicos são apresentados exemplos práticos na linguagem de programação R. Bibliografia básica: 1- G. James, D. Witten, T. Hastie & R. Tibshirani. An Introduction to Statistical Learning with Applications in R. Springer, 2013. 2- T. Hastie, R. Tibshirani & J. Friedman. The Elements of Statistical Learning. 2nd edition. Springer, 2009. Bibliografia complementar: 3- Y. Abu-Mostafa, M. Magdon-Ismail & H.T Lin. Learning from Data. AMLBook, 2012. 4- B. Efron & J. Friedman. Computer Age Statistical Inference. Cambridge University Press, 2016. 5- T. Hastie, R. Tibshirani & M. Wainwright. Statistical Learning with Sparsity. The Lasso and Generalizations. CRC Press, 2015. 6- I. Goodfellow, Y. Bengio & A. Courville. Deep Learning. MIT Press. 2016 |
||||
Carga Horária: |
40 horas |
||||
Tipo: | Obrigatória | ||||
Vagas oferecidas: | 50 | ||||
Ministrantes: |
Magno Tairone de Freitas Severino |
voltar |
Créditos © 1999 - 2024 - Superintendência de Tecnologia da Informação/USP |