MT571 - Aprendizado de Máquinas: Aspectos Teóricos e Práticos - 2S/2022 Imprimir

Ementa:

Definição e conceitos básicos de aprendizado de máquinas; regressão linear e logística; redes neurais e aprendizado profundo; SVM e métodos com kernel; árvores de decisão; ensembles e florestas aleatórias; métodos estatísticos clássicos; aprendizado não supervisionado: agrupamento e redução de dimensionalidade; detecção de anomalias; sistemas de recomendação; tópicos do estado-da-arte; aspectos práticos e computacionais; fundamentos matemáticos: dimensão VC e PAC-learning.

Bibliografia:

[1] T. Hastie, R. Tibshirani and J. H. Friedman. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer, 2009.
[2] C. Bishop. Pattern Recognition and Machine Learning. Springer, 2006.
[3] I. Goodfellow, Y. Bengio, A. Courville. Deep Learning. The MIT Press, 2016.
[4] A. Géron. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow (2nd Edition), O’Reilly Media, Inc., 2019.
[5] S. Shalev-Shwartz and S. Ben-David. Understanding Machine Learning: From Theory to Algorithms. Cambridge University Press, 2014.

Ano de Catálogo: 2022

Créditos: 4