Introdução aos conceitos de Aprendizado de Máquina (CI1171)
Ementa
O objetivo do aprendizado de máquina (ou "machine learning”) é o desenvolvimento de técnicas computacionais capazes de aprender um determinado comportamento ou padrão automaticamente a partir de exemplos ou observações. Um sistema de aprendizado é um programa de computador que toma decisões baseado em experiências acumuladas através da solução bem sucedida de problemas anteriores. Exemplos de aplicações sistemas para prever o comportamento de clientes a partir de dados de compras, reconhecer faces ou voz, ou extrair conhecimento de dados biológicos. O programa do curso inclui uma introdução aos principais métodos de aprendizado de máquina, tipos de aprendizagem (supervisionado, não supervisionado e semi-supervisionado); Técnicas supervisionadas (árvores de decisão, classificador linear, redes neurais, deep learning, support vector machine, k-nearest neighbors e naivebayes); Técnicas não supervisionadas ( k-means, k-medoids); Aprendizado por reforço (Q-learning).
Programa
1 - Introdução
2 - Preparação de Dados
- Análise de Dados
- Pré-processamento de Dados
3 - Modelos Preditivos
- Métodos Baseados em Distâncias
- Métodos Probabilísticos
- Métodos Baseados em Procura
- Métodos Baseados em Otimização
- Modelos Múltiplos Preditivos
- Avaliação de Modelos Preditivos
4 - Modelos Descritivo
- Mineração de Padrões Frequentes
- Análise de Agrupamentos
- Algoritmos de Agrupamentos
- Modelos Múltiplos Descritivos
- Avaliação de Modelos Descritivos
5 – Aprendizado por Reforço
- Modelos de Decisão de Markov
- Q-learning
6 - Tópicos Avançados
- Aprendizado em Fluxos Contínuos de Dados
- Meta-aprendizado
- Decomposição de Problemas Multi-classe
- Classificação Multi-rótulo
- Classificação Hierárquica
- Computação Natural
Bibliografia
T. M. Mitchell. Machine Learning. McGraw–Hill Science/Engineering/Math, 432 páginas, ISBN 0070428077, 1997.
Facelli, K., Lorena, A.C., Gama, J., Carvalho, A.C.P.L.F. Inteligência Artificial - Uma Abordagem de Aprendizado de Máquina.
Avaliação
A avaliação consiste em 2 provas, 60% Provas, 4 Trabalhos obrigatórios, 40%. Todos os trabalhos têm mesmo peso.
- Professor: Augusto Dantas
- Professor: Bruno Henrique Meyer
- Professor: Aurora Pozo