3.6 3.8 3.13 3.14
4.1 4.2 4.3 4.11
6.1 
13.6 13.8 13.11
14.1 14.2 14.3


Problemas de aprendiso, de uma lista do Prof. Anderson.

1. Qual a diferença entre um classificador e um regressor?
Exemplifique sua resposta para o problema de reconhecimento de
dígitos.

4. Explique como funciona a validação cruzada e qual sua
utilidade. Essa técnica resolve o problema do super treinamento (over
fitting)? Garante a generalização do classificador?  Justifique.

6. O que é aprendizado não supervisionado e como ele se beneficia de
técnicas de redução da dimensionalidade no contexto específico de
técnicas de agrupamento?

7. O algoritmo de K-vizinhos, como qualquer outro algoritmo de
classificação, supervisionada, busca fazer um balanceamento entre
generalização e complexidade do modelo de classificação. Explique como
isso deve ser levado em conta em um problema de regressão com
K-vizinhos.

8. Explique como funciona o algoritmo de classificação SVM para o caso
linear. Implemente um classificador SVM simplificado baseado no
envoltório convexo.

11. Compare os classificadores KNN e SVM apontando suas vantagens e
desvantagens.

13. O que é kernel trick?

15. Qual a relação entre um algoritmo de EM e o K-médias. Exemplifique
o K-médias dentro da abordagem de EM.

17. Explique o funcionamento de um modelo GMM.

19. Explique a relação entre algoritmos genéticos e a técnica de busca
Local Beam Search.

20. Uma das grandes vantagens dos algoritmos genéticos é o paralelismo
intrínseco. Explique esse conceito e exemplifique.

21. Considerando o problema de colocar diversos cavalos em um
tabuleiro de xadrez sem que nenhum ataque o outro, elabore um
algoritmo genético para resolver o problema. Discuta a representação
do indivíduo, uma forma de seleção de indivíduos para a próxima
geração e se há necessidade ou não de mutação. Seu algoritmo sempre
chega na solução ótima?  Justifique.

22. Explique a técnica de redes neurais quando utilizadas no contexto
de classificação de padrões. Discuta algumas de suas desvantagens.