1001741 - Machine Learning

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 algumas técnicas de machine learning, como support vector machines, agregação de estimadores e redes neurais.
Ementa: Redes Neurais. SVM (máquinas de vetores suporte). Boosting. Ensemble Learning. Truque do kernel. Algoritmos genéticos. Inteligência de Enxame. Tópicos em problemas de alta dimensão.

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. New York: Springer, 2006.

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