Professor responsável: Jacques Wainer (wainer @ ic.unicamp.br)
Esta pagina se encontra em http://www.dcc.unicamp.br/~wainer/cursos/mc906.html.
Este endereço deverá ser consultado com frequencia para
verificar modificações na página
As notas da parte prática e teoricas da prova estão aqui. Eu fiquei muito bem impressionado com a maioria dos trabalhos da parte prática. Se voce tirou 5 ou 7 é porque voce tomou alguma decisão de projeto errada (como usar diagnsotico probabilistico na questão 9 (como voce ia obter as probabilidades) ou usar alguma forma de clusterização em arvore no problema 8, e assim por diante. Alguns relatórios estavam muito fracos - pontos foram tirados por isso. Duvidas podem ser resolvidas via email ou pessoalmente na minha sala.
As notas da parte teorica da prova estao aqui. A grande maioria resolveu as questões do spam e da rede bayesiana. Na rede eu tirei 2 pontos (de 5) se a prob do quarto estar escuro dado falta de eletricidade ou falta de eletricidade E lampada queimada nao fossem iguais. Eu nao consigopensar em nenhum argumento para que elas fossem diferentes.
A versão 2 da prova ja esta disponivel. A versão 2 corrige o texto da questao 2 que estava confuso - o objetivo do algoritmo genetico é descobrir os clusters não o clusterizador (que seria uma função que clusteriza os dados). Tambem ha um comentario a mais na questao 11 - provador de teorema - parte pratica
A versão pdf da prova esta aqui. A versão html aqui. Os arquivos de dados:
A presença durante as apresentações será cobrada.
O texto dos seminarios ja esta disponivel junto com o horario das apresentações.
Os seminarios serão no CB05. Deve haver datashow, computadores, etc nessa sala, mas fica a cargo dos grupos verificar que as coisas realmente funcionam.
Lembrem-se que a presença é obrigatória nos seminarios.
Há uma edição recém lancada do livro em portugues pela Campus. Não avaliei a tradução ainda.
A primeira edição do livro também pode ser usada.
| Data |
Assunto |
Material |
| 4/3 |
Introdução |
|
| 9/3 |
Diagnóstico - sistemas baseados em regras |
Material de aula |
| 11/3 |
Diag. - coberturas parcimoniosas e probabilidades |
|
| 16/3 |
Diag. - redes bayesianas
|
AIMA cap 14 |
| 18/3 |
Diag - modelos baseados em funcionamento correto
|
|
| 23/3 |
Aprendizado - C4.5
|
AIMA cap 18.3 |
| 25/3 |
Aprend. - redes neurais
|
AMIA cap 20.5 |
| 20/3 |
Aprend. - kNN e bayesiano ingenuo
|
AIMA cap 20 |
| 1/4 |
Aprend. - algoritmos geneticos, support vector machnes
|
Material de aula |
| 6/4 |
Classificação - ensemble, ada boost
|
artigo qie compara
adaboost e bayasiano para classificar email |
| 8/4 |
Nao haverá aula |
|
| 13/4 |
Clusterização |
|
| 15/4 |
Class - temporal, outros tópicos em classificação |
|
| 20/4 |
Planejamento - Strips |
|
| 22/4 |
Plan. - planejadores classicos/modernos
|
|
| 27/4 |
Plan. - planejadores modernos (Stat, graph plan)
|
AIMA cap 11.4 |
| 29/4 |
Plan. - PDDl, MDP, probabilidades, incertezas |
AMIA cap 12 e 13 |
| 4/5 |
Busca - metodos de força bruta |
AIMA cap 3 |
| 6/5 |
Busca - heuristicas, planejamento (bis) |
AIMA cap 4 |
| 11/5 |
Jogos - minimax, alfa-beta |
AIMA - cap 6 |
| 13/5 |
Jogos - exemplos, discussão |
|
| 18/5 |
Provas de teoremas - lógica |
AIMA cap 7 e 8 |
| 20/5 |
Prov. - resolução, etc |
AIMA cap 7.5 e 9 |
| 25/5 |
Projeto e configuração - satisfação de restrições |
AIMA - cap 5 |
| 27/5 |
Proj. - Programação genética |
|
| 1/6 |
PROVA |
|
| 3/6 |
O que ficou de fora! |
|
| 8/6 |
Filosofia - a maquina pode pensar? |
|
| 10/6 |
Não haverá aula |
|
| 15/6 |
Ciencia Cognitiva - breve introdução |
|
| 17/6 |
apresentações |
|
| 22/6 |
apresentações |
|
| 24/6 |
apresentações |
|
| 29/6 |
apresentações |
|
| 1/7 |
Finalizações |
