IA048 - Aprendizado de Máquina - 2S/2020 Imprimir

Ementa:

Revisão de probabilidade, estimação e teoria da informação. Conceitos gerais de aprendizado de máquina. Regressão linear. Classificação linear. Redes neurais artificiais. Deep leaming. Máquinas de vetores-suporte. Aprendizado não-supervisionado. Clusterização, modelos de mistura e extração de variáveis latentes. Aprendizado por reforço. Comitês de máquinas. Árvores de decisão e random forest. Computação evolutiva.

Bibliografia:

•  R.O. Duda, P. E. Han, D. G. Stork, "Paltem Classification”, Wiley-Interscience, 2º ed., 2000.
•  T. Hastie, R. Tibshirani, J. Friedman, “The Elements of Statistical Leaming. Data Mining, Inference and Prediction”, Springer, 2º ed., 2009.
•  CM Bishop, “Pattem Recognition and Machine Leaming”, Springer, 2006.
•  5. Haykin, "Neural Networks and Leaming Machines”, Prentice Hall, 3º ed., 2008.
•  E. Alpaydin, “Introduction to Machine Leaming”, MIT Press, 3º ed,, 2014.
•  5. Raschka, V. Miralili, “Python Machine Leaming", Packt Publishing Ltd., 2º ed. 2017.
•  A. Géron, "Hands-on Machine Leaming with Scikit-Leam and TensorFlow”, O'Reilly Media, 2017.
•  | Goodfellow, Y. Bengio, A, Courville, “Deep Leaming", MIT Press, 2016.

Ano de Catálogo: 2020

Créditos: 4