Aprendizagem estatística – regressão

Objetivo: aprender algoritmos de aprendizagem de máquina relativos às categorias de problema supervisionados e não-supervisionados

Tópicos:

  1. Aprendizagem Estatística
  2. Métodos Supervisionados x Não Supervisionado
  3. Regressão Linear
    1. Least Squares
    2. Estimativa e Interpretação de coeficientes
    3. Medidas de erro para coeficientes estimados
    4. Análise de Resíduos
  4. Regressão Polinomial
  5. Regressão Multivariada
  6. Regularização
    1. Splines
  7. Regressão Logística
  8. Seleção e avaliação de modelos
    1. Interpretando Bias e Variância
    2. Validação Cruzadas
    3. Métodos de Bootstrap
  9. Redução de dimensionalidade
    1. Principal Component Analysis

 

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