Detalhes

Nome da Disciplina: TÓPICOS ESPECIAIS II - APRENDIZADO DE MÁQUINA E DECISÕES DIRIGIDAS POR DADOS

Carga Horária: 60

Créditos: 3

Obrigatória: Não

• Noção de Aprendizado de Máquina: definição, tipos de aprendizado. • Modelos descritivos e técnicas de agrupamento. • Métodos baseados em distâncias e o algoritmo k-NN • A maldição da dimensionalidade. • Métodos probabilísticos: Aprendizado Bayesiano e o classificador Naive Bayes. • Regressão Logística. • Gradiente Descendente. • Regressão Linear e Regularização: ridge regression, lasso regression, elastic net. • Métodos de Maximização de Margens: Support Vector Machines. • Métodos simbólicos: árvores de decisão e florestas randômicas. • Métodos conexionistas: redes neurais e aprendizado profundo. • Prescrições preditivas.

Faceli, K.; Lorena, A. C.; Gama, J.; Almeida, T. A.; de Carvalho, A. C. P. F. L. Inteligência artificial: uma abordagem de aprendizado de máquina. LTC, Rio de Janeiro, 2 edition, 2021. Géron, A. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow. O'Reilly, Canada, 2 edition, 2019. Murphy, K. P. Machine Learning: a probabilistic perspective. MIT Press, 2012. Bertsimas, D.; Dunn, J. Machine Learning under a modern optimization lens. Dinamic Ideas LLC, 2019. Chollet, F. Deep Learning with Python. 2 Edition. Manning Publications Co. 2021. Goodfellow,I. J.; Bengio, Y.; Courville, A. Deep Learning. MIT Press, Cambridge, MA, USA, 2016. http://www.deeplearningbook.org. Buduma, N.; Lacascio, N. Fundamentals of Deep Learning: designing next-generation machine intelligence algorithms. 2017.