Introduzir os principais conceitos, fundamentos e algoritmos de aprendizado de máquina. Introduzir métodos de avaliação de modelos e suas limitações. Introduzir técnicas para lidar com o sobreajuste de modelos. Utilizar bibliotecas de aprendizado de máquina para resolver problemas de predição.
Tipos de aprendizado de máquina, conceitos básicos, algoritmos de aprendizado de máquina, avaliação e seleção de modelos, teoria de generalização.
1. Aprendizado supervisionado e não-supervisionado 2. Conceitos básicos 2.1. Espaço de hipóteses 2.2. Algoritmos de aprendizado 2.3. Função de perda 3. Algoritmos de aprendizado de máquina 3.1. Modelos lineares: regressão linear, regressão logística e perceptron 3.2. Máquinas de vetores de suporte 3.3. Redes Neurais 3.4. Transformações não lineares (métodos de kernel e função de base radial) 3.5. Algoritmos não-supervisionados 4. Avaliação e seleção de modelos 4.1. Treinamento e inferência: erro de treinamento e de teste 4.2. Ruído nos dados 4.3. Overfitting 4.4. Regularização 4.5. Validação 5. Teoria de generalização 5.1. Complexidade do espaço de hipóteses: dimensão VC 5.2. Tradeoff viés-variância 5.3. Princípios: navalha de Occam, viés de amostragem, bisbilhotagem de dados
Bibliografia básica ● 1. Abu-Mostafa et al. Learning from Data, AMLBook.com (https://work.caltech.edu/lectures.html) ● 2. Tom M. Mitchell, Machine Learning, MIT Press e McGraw-Hill, 1997 (http://www.cs.cmu.edu/~tom/mlbook.html) ● 3. Mohammed J. Zaki, Wagner Meira, Jr., Data Mining and Machine Learning: Fundamental Concepts and Algorithms, 2nd Edition, Cambridge University Press, March 2020 (https://dataminingbook.info/book_html/) Bibliografia complementar ● 1. T. Hastie e R. Tibshirani e J. Friedman, The Elements of Statistical Learning: Data Mining, Inference and Prediction, Springer, 2009 (https://hastie.su.domains/ElemStatLearn/) ● 2. Michael A. Nielsen, Neural Networks and Deep Learning, Determination Press, 2015 (http://neuralnetworksanddeeplearning.com/) ● 3. R. O. Duda, P. E. Hart, D. Stork, Pattern Classification, Wiley-Interscience; 2nd edition (October 2000) ● 4. Christopher M. Bishop, Pattern Recognition and Machine Learning, Springer, 2006