Apresentar os aspectos fundamentais e principais algoritmos de aprendizado de máquina, que investiga técnicas para desenvolver algoritmos capazes de aprender, ou melhorar seu desempenho, utilizando exemplos de situações previamente observadas. Serão investigados algoritmos que seguem diferentes paradigmas, incluindo algoritmos baseados em procura (algoritmos de indução de arvores de decisão e de conjuntos de regras, redes neurais artificiais (perceptron e multilayer perceptron), modelos probabilísticos (regressão logística e naive Bayes) e algoritmos baseados em distancia. Além do estudo dos algoritmos de aprendizado baseados em diferentes paradigmas, será estudada a realização experimentos com desses algoritmos para entender como eles induzem conhecimento utilizando aplicações reais.
Aspectos básicos de Aprendizado de Máquina; Tarefas de aprendizado; Viés indutivo; Aprendizado descritivo; Aprendizado preditivo; Algoritmos de Aprendizado de Máquina; Algoritmos que seguem diferentes paradigmas, incluindo algoritmos baseados em procura (algoritmos de inducao de arvores de decisao e de conjuntos de regras, redes neurais artificiais (perceptron e multilayer perceptron) e modelos probabilisticos (regressão logística e naive Bayes); Medidas de avaliação; Aplicações de Aprendizado de Máquina.
Aspectos básicos de Aprendizado de Máquina. Tarefas e Paradigmas de Aprendizado. Indução de Hipóteses e Viés Indutivo. Pré-processamento de dados (amostragem, dados desbalanceados, limpeza, transformação e redução de dimensionalidade). Modelos Preditivos: métodos baseados em distâncias (k-NN), métodos probabilísticos (Naive Bayes e Regressão Logística), métodos baseados em procura (Indução de Árvores de Decisão e Regressão e de Conjuntos de Regras), métodos baseados em otimização (Redes Neurais Artificiais e Máquinas de Vetores de Suporte) e medidas de avaliação para modelos preditivos. Modelos Descritivos: regras de associação, análise de agrupamentos e medidas de avaliação para modelos descritivos. Aplicações de Aprendizado de Máquina.
Stuart Russell; Peter Norvig. Artificial Intelligence: A Modern Approach, Pearson Education Limited; 4ª edition, 2021. Katti Faceli, Ana Carolina Lorena, João Gama, Thiago Agostinho de Almeida, André C.P.L.F. de Carvalho, Inteligência Artificial - Uma Abordagem de Aprendizado de Máquina, LTC; 2ª edição, 2021. Alpaydin, E. (2004). Introduction to Machine Learning. MIT Press. Mitchell, T. M. (1997). Machine Learning. McGraw-Hill. Flach, P. (2012). Machine Learning:The Art and Science of Algorithms that Make Sense of Data. Cambridge University Press.
