Área de Concentração: 95131
Concentration area: 95131
Criação: 20/05/2020
Creation: 20/05/2020
Ativação: 26/05/2020
Activation: 26/05/2020
Nr. de Créditos: 8
Credits: 8
Carga Horária:
Workload:
Teórica (por semana) |
Theory (weekly) |
Prática (por semana) |
Practice (weekly) |
Estudos (por semana) |
Study (weekly) |
Duração | Duration | Total | Total |
|---|---|---|---|---|---|---|---|---|---|
| 4 | 2 | 4 | 12 semanas | 12 weeks | 120 horas | 120 hours |
Docente Responsável:
Professor:
Florencia Graciela Leonardi
Objetivos:
Apresentar técnicas atuais de aprendizagem estatística, no caso clássico e no caso de altas dimensões; isto é, quando o número de parâmetros a serem estimados é muito maior que o número de observações. Fornecer ferramentas teóricas de análise e exemplos práticos de aplicação.
Justificativa:
Com o avanço de novas tecnologias na obtenção de dados em diferentes áreas de conhecimento é cada vez mais frequente o uso de técnicas de aprendizagem estatística em altas dimensões. Nos últimos anos há havido um grande desenvolvimento metodológico, matemático e computacional nesta área, que tem possibilitado a inferência estatística em altas dimensões de forma eficiente.
Conteúdo:
1- Introdução à aprendizagem estatística supervisionada. 2- Modelos lineares para regressão e classificação. 3- O problema de seleção de variáveis: BIC, LASSO e regressão pelo método RIDGE. 4- Avaliação e seleção de modelos. 5- Método de k-vizinhos mais próximos, máquinas de vetores suporte e redes neurais. 6- Método “bagging", florestas aleatórias e método "boosting". 7- Modelos gráficos. 8- Aprendizagem não supervisionada.
Forma de Avaliação:
Média ponderada de provas e exercícios.
Bibliografia:
1- T. Hastie, R. Tibshirani & J. Friedman. The Elements of Statistical Learning. 2nd edition. Springer, 2009. 2- G. James, D. Witten, T. Hastie & R. Tibshirani. An Introduction to Statistical Learning with Applications in R. Springer, 2013. 3- T. Hastie, R. Tibshirani & M. Wainwright. Statistical Learning with Sparsity. The Lasso and Generalizations. CRC Press, 2015. 4- P. Bühlmann & S. Van de Geer. Statistics for High-dimensional Data. Springer, 2011. 5- C. Giraud. Introduction to High-dimensional Statistics. CRC Press, 2014.
Tipo de oferecimento da disciplina:
Presencial
Class type:
Presencial