Introdução às técnicas básicas de reconhecimento de padrões (classificadores probabilísticos, árvores de decisão, redes neurais, SVMs, regressão) e visão computacional (modelos de imagem, processamento de imagens, visão estéreo, reconhecimento de objetos).
Princípios de reconhecimento de padrões, classificadores probabilísticos, árvores de decisão, redes neurais, SVMs; regressão; aprendizado não-supervisionado; modelos de imagem e processamento de imagens; visão estéreo; reconhecimento de objetos.
Princípios de reconhecimento de padrões e relação com ciência de dados; visão geral das aplicações práticas. Teoria de decisão e estimação; noções do pacote R. Classificadores probabilísticos (terminologia básica, limites de desempenho). Árvores de decisão e métodos não-paramétricos; redes neurais e SVMs. Regressão linear e logística. Aprendizado não-supervisionado. Modelos de imagem e processamento de imagens. Segmentação e alinhamento. Visão estéreo. Reconhecimento de objetos.
Livros texto: An Introduction to Statistical Learning with Applications in R. G. James, D. Witten, T. Hastie, R. Tibshirani, Springer 2013. Computer Vision: Algorithms and Applications. R. Szeliski, Springer 2010. TEXTO ADICIONAL: Inteligência Artificial: Uma Abordagem de Aprendizado de Máquina. A. P. L. Carvalho, K. Facelli, A. Carolina, J. Garra, 2012.