MC886 - Aprendizado de Máquina | INSTITUTO DE COMPUTAÇÃO

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).