Aprendizagem estatística – classificação
Objetivo:
Aprender algoritmos de aprendizagem de máquina relativos à classificação e clustering. Durante o curso serão discutidos aspectos de modelagem de problemas de classificação, como definição de entrada e saída; projetar soluções para problemas de classificação binária e multi-classe; e avaliação de qualidade dos modelos construídos.
Tópicos:
- Classificação
- Regressão Logística
- Estimativa de coeficientes
- Regressão logística múltipla
- Regularização L1
- LDA (Linear Discriminant Analysis)
- Árvores de Decisão
- Boosting
- Random Forests
- Support Vector Machines
- Kernels
- Regressão Logística
- Agrupamento
- K-means
- k-Nearest-Neighbor
Duração:
- Aula Teórica Presencial: 1 Semana (8h). Dois encontros de 4 horas.
- Projetos individuais da disciplina: 32 h
Audiência:
Estudantes Graduados em Ciência da Computação ou áreas correlatas.
Bibliografia:
Kelleher, J.D., Mac Namee, B., D’Arcy, A., 2015a. Fundamentals of machine learning for predictive data analytics: algorithms, worked examples, and case studies. The MIT Press, Cambridge, Massachusetts.
James, G., Witten, D., Hastie, T., Tibshirani, R. (Eds.), 2013. An introduction to statistical learning: with applications in R, Springer texts in statistics. Springer, New York.