MC886 - Aprendizado de Máquina

Créditos: 4
Horas semanais de atividades teóricas: 4
Oferecimento: Ambos os períodos letivos
 
Pré-Requisitos
MA327
ME210 ou ME323
Ementa

Técnicas de aprendizado de máquina estatístico para classificação, agrupamento e detecção de outliers.

Programa

- Técnicas para classificação:

  - Introdução ao aprendizado supervisionado

  - Métodos lineares clássicos (LDA)

  - k-vizinhos

  - Avaliação e comparação de metodos

  - Indução de arvores decisão

  - Redes neurais

  - Redes bayesianas

  - Support vector machines

  - Redução de dimensionalidade

  - Meta-heuristicas

  - Técnicas para agrupamento:

  - k-média e k-medoids

  - Rede de Kohonen e mapas auto-organizaveis

  - Fuzzy C-means

  - Agrupamento hierárquico

  - Agrupamento espectral

  - Técnicas de detecção de outliers:

  - Métodos generativos e descritivos

  - Indução de redes bayesianas

  - Métodos baseados em distribuições  

Bibliografia
T. Hastie, R. Tibshirani e J. Friedman. The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer (2002).
T. Mitchell. Machine Learning, McGrawHill (1997).