Aprendizagem estatística  – classificação e agrupamento

Objetivo: aprender algoritmos de aprendizagem de máquina relativos à classificação

Tópicos:

  1. Classificação
    1. Regressão Logística
      1. Estimativa de coeficientes
      2. Regressão logística múltipla
      3. Regularização L1
    2. LDA (Linear Discriminant Analysis)
    3. Árvores de Decisão
      1. Boosting
    4. Random Forests
    5. Support Vector Machines
      1. Kernels
  2. Agrupamento
    1. K-means
    2. k-Nearest-Neighbor

 

Duração:

  • Aula Teórica Presencial: 2 Semanas (16h). quatro encontros de 4 horas.
  • Projetos individuais da disciplina: 64 h

 

Audiência: Estudantes Graduados em Ciência da Computação ou áreas correlatas.

 

Bibliografia:

  • KELLEHER,  John D.; MAC  NAMEE, Brian; D’ARCY,  Aoife. Fundamentals of Machine   Learning for Predictive Data   Analytics: Algorithms, Worked Examples, and Case Studies. Cambridge: MIT Press, 2015.
  • HASTIE,Trevor; TIBSHIRANI, Robert. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. 2 ed. Berlin: Springer, 2016.
  • JAMES, Gareth et al. An introduction to statistical learning. New York: springer, 2013.

 

Share This Course