Área de Concentração: 45133
Concentration area: 45133
Criação: 25/10/2019
Creation: 25/10/2019
Ativação: 25/10/2019
Activation: 25/10/2019
Nr. de Créditos: 2
Credits: 2
Carga Horária:
Workload:
Teórica (por semana) |
Theory (weekly) |
Prática (por semana) |
Practice (weekly) |
Estudos (por semana) |
Study (weekly) |
Duração | Duration | Total | Total |
---|---|---|---|---|---|---|---|---|---|
5 | 5 | 5 | 2 semanas | 2 weeks | 30 horas | 30 hours |
Docentes Responsáveis:
Professors:
Florencia Graciela Leonardi
Vladimir Pestov
Objetivos:
Neste minicurso de pós-graduação de 9 aulas vamos apresentar uma seleção de tópicos tratando-se da aprendizagem de máquina estatística supervisionada, tirados do livro do palestrante [1]. A seleção dos assuntos e o ritmo de apresentação vão ser decididos de forma interativa.
Justificativa:
Mini-curso sobre um tema atual de pesquisa na área de Probabilidade e Estatística.
Conteúdo:
1. Regras de aprendizagem 2. Geometria de cubo de Hamming 3. Concentração de medida 4. Dimensão de Vapnik-Chervonenkis 5. Aprendizagem Provavelmente Aproximadamente Correta (PAC) 6. Classes de Glivenko-Cantelli 7. Consistência universal 8. Classificador de k vizinhos mais próximos 9. Teorema de Cybenko sobre aproximação universal.
Forma de Avaliação:
Participação e listas de exercícios.  
Bibliografia:
1. Vladimir Pestov, Elementos da teoria de aprendizagem de máquina supervisionada, IMPA, Rio de Janeiro, a 2019, viii + 488 pp., a ser disponibilizado de forma eletrónica.
Tipo de oferecimento da disciplina:
Presencial
Class type:
Presencial