Dados Gerais do Componente Curricular
| Tipo do Componente Curricular: |
DISCIPLINA |
| Unidade Responsável: |
PROGRAMA DE PÓS-GRADUAÇÃO EM INFORMÁTICA (11.00.43.56.07) |
| Código: |
PPGI039 |
| Nome: |
SISTEMAS SUPORTADOS POR APRENDIZAGEM DE MÁQUINA |
| Carga Horária Teórica: |
45 h. |
| Carga Horária Prática: |
15 h. |
| Carga Horária Total: |
60 h. |
| Pré-Requisitos: |
|
| Co-Requisitos: |
|
| Equivalências: |
|
| Excluir da Avaliação Institucional: |
Não |
| Matriculável On-Line: |
Sim |
| Horário Flexível da Turma: |
Não |
| Horário Flexível do Docente: |
Sim |
| Obrigatoriedade de Nota Final: |
Sim |
| Pode Criar Turma Sem Solicitação: |
Não |
| Necessita de Orientador: |
Não |
| Exige Horário: |
Sim |
| Permite CH Compartilhada: |
Não |
| Permite Múltiplas Aprovações: |
Não |
| Quantidade de Avaliações: |
3 |
| Ementa/Descrição: |
Introdução à aprendizagem de máquina; Efetividade de Algoritmos de Aprendizagem de Máquina; Regressão Linear; Overfitting; Underfitting; Erro nas Predições; K Nearest Neighbours (K-NN); Máquina de Vetor de Suporte (SVM); Kernel; Regressão de Vetor de Suporte (SVR); Árvore de Decisão (Classificação); Entropia; Árvore de Decisão (Regressão); Desvio Padrão; Random Forest; Naive Bayes; Regressão Logística; Seleção e Geração de Amostras; Redes Neurais; Introdução à Mineração de Texto; Introdução à Processamento de Linguagem Natural; Introdução à Reconhecimento de Imagens. Projeto e Desenvolvimento de Sistemas suportados por Aprendizagem de Máquina. |
| Referências: |
1. Stuart Russel; Artificial Intelligence: A Modern Approach; Pearson Education India; 2015.
2. García, Salvador; Luengo, Julián; Herrera, Francisco. Data Preprocessing in Data Mining. 2015
3. Jiawei, Han; Micheline, Kamber. Data Mining: Concetps and Techniques. 2011
4. Ian H. Witten and Eibe Frank. Data Mining. 2011.
5. Max Kuhn; Kjell Johnson. Applied Predictive Modeling. 2013
6. David S. Moore; William I. Notz; Michael A. Fligner. The Basic Practice of Statistics. 2015
7. Tom M. Mitchell. Machine Learning. 1997.
8. Ian Goodfellow. Deep Learning. 2016. |
|
|
