107465 - Aprendizado de Máquina |
Período da turma: | 15/07/2023 a 16/09/2023
|
||||
|
|||||
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 - Métodos de classificação: Classificador Bayesiano, Naive Bayes 2 - Métodos de classificação: árvores de decisão, regressão logística 3 - Modelos de regressão, Regressão Bayesiana, regularização 4 - Avaliação de classificadores 5 - Seleção e ajusta de modelos 6 - Técnicas baseadas em comitês, florestas aleatórias 7 - Agrupamento de dados 8 - Ciência das redes: redes complexas e aplicações Referências: 1. Christopher M. Bishop, Pattern Recognition and Machine Learning, Springer, 2006 2. Kevin P. Murphy. Machine Learning: A Probabilistic Perspective. MIT Press, 2012 3. 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: | 320 | ||||
Ministrantes: |
André Carlos Ponce de Leon Ferreira de Carvalho |
voltar |
Créditos © 1999 - 2024 - Superintendência de Tecnologia da Informação/USP |