Apresentar aspectos da teoria e técnicas de Reconhecimento Estatístico de Padrões ou Aprendizado Computacional, como também é conhecida a área.
1) Revisão de Probabilidades; 2) Teoria Bayesiana de Decisão; 3) Aprendizado de Máquina Supervisionado; 4) Aprendizado de Máquina não-supervisionado; 5) Redução de Dimensionalidade.
Revisão de Probabilidade e Estatística; Teoria Bayesiana da Decisão; Técnicas não-paramétricas para aferir densidades; Classificação Supervisionada: hiperplanos em problemas linearmente separáveis; Classificação não-Supervisionada: métricas e algoritmos para agrupamento; Redução de Dimensionalidade: PCA (Principal Component Analysis) e ICA (Independent Component Analysis).
1. Richard O. Duda, Peter E. Hurt, David G. Stork. Pattern Classification. John Wiley and Sons. Inc. 2. Christopher M. Bishop. Pattern Recognition and Machine Learning. Springer