Ementa:
Panorama de área de aprendizado de máquina. Paradigma de aprendizado supervisionado. Métodos lineares de regressão. Métodos lineares de classificação. Classificação multi-classe. Regressão não linear. Classificadores não lineares (modelos polinomiais, árvores de decisão e redes neurais). Paradigma de aprendizado não supervisionado. Agrupamento de dados (clustering). Análise de componentes principais.
Bibliografia:
THEODORIDIS, S. Machine Learning: A Bayesian and Optimization Perspective. Academic Press, 2015.
WATT, J.; BORHANI, R.; KATSAGGELOS, A. Machine Learning Refined: Foundations, Algorithms, and Applications. Cambridge University Press, 2020.
Ano de Catálogo: 2024
Créditos: 4
Número mínimo de alunos: 5
Número de alunos matriculados: 11
Idioma de oferecimento: Português
Tipo Oferecimento: Regular
Local Oferecimento:
Horários/Salas:
Docentes:
Reservas:
Não possui reservas.Hora | Segunda | Terça | Quarta | Quinta | Sexta | Sábado |
---|---|---|---|---|---|---|
07:00 | ||||||
08:00 | ||||||
09:00 | ||||||
10:00 | A - UL86 | A - UL86 | ||||
11:00 | A - UL86 | A - UL86 | ||||
12:00 | ||||||
13:00 | ||||||
14:00 | ||||||
15:00 | ||||||
16:00 | ||||||
17:00 | ||||||
18:00 | ||||||
19:00 | ||||||
20:00 | ||||||
21:00 | ||||||
22:00 | ||||||
23:00 |