1001740 - Aprendizado Estatístico

Créditos: 2 teóricos e 2 práticos
Requisitos: Programação e Algoritmos 2 e Análise de Regressão
Requisitos Recomendados: Mineração de Dados
Objetivo Geral: Esta disciplina visa aprofundar o conhecimento do aluno em conceitos básicos de aprendizado estatístico, como regularização, suavização e modelos de grafos.
Ementa: Visão geral. Regularização. Métodos de suavização. Modelos aditivos. Modelos de regressão adaptativos multivariados via splines (MARS). Redes Bayesianas. Modelos de grafos não direcionados.

Bibliografia Básica: HASTIE, T.; Tibshirani, R.; Friedman, J.THE ELEMENTS OF STATISTICAL LEARNING: data mining, inference, and prediction. 2nd. ed. New York: Springer, 2009. MITCHELL, T. M. MACHINE LEARNING. Boston: McGraw-Hill, 1997. BISHOP, C. M. PATTERN RECOGNITION AND MACHINE LEARNING. NewYork: Springer, 2006.

Bibliografia Complementar: VAPNIK, V. N. THE NATURE OF STATISTICAL LEARNING THEORY. 2. ed. New York: Springer, 2000. JAMES, G., et al. An introduction to statistical learning. Vo.112. New York: springer, 2013.