IA048 - Aprendizado de Máquina
Turma: A -
Período: 1/2024 -
Tipo Período: 1o. período letivo -
Disciplina: 4 créditos.
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.
Forma Avaliação: Atividades computacionais, exercícios teóricos e projeto final
Ofertar para Graduação:
Sim Número Limite de Alunos de Graduação:
25
Aceita Estudante Especial:
Sim
Número de Alunos Total:
de 1 até 70