Aprendizado de Máquinas

Introdução ao aprendizado por máquina, matriz de correlações e análise de componentes principais, regressão linear com o método dos mínimos quadrados, classificação Bayesiana, discriminante linear, regressão logística, análise de agrupamentos, redes neurais artificiais MLP e RBF, máquinas de vetor de suporte, combinação de modelos, seleção de variáveis.

Informações Básicas

Carga horária
60h.
Pré-requisito
Álgebra Linear, Modelagem Estatística

Obrigatória: 

  • Hastie, Trevor, Robert Tibshirani, and Jerome Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer.
  • Kecman, Learning and Soft Computing MIT Press, 2001.
  • R. O. Duda, P. E. Hart and D. G. Stork, Pattern Classification (2nd Edition) Wiley-Interscience, 2000

Complementar: 

  • Cherkassky e F. M. Mulier Learning from Data: Concepts, Theory, and Methods, Wiley-IEEE Press; 2 edition, 2007.
  • K. P. Murphy, Machine Learning, A Probabilistic Perspective, MIT Press, 2012
  • S. Theodoris e K. Koutroumbas, Pattern Recognition, 3º edition, Academic Press, 2006
  • C. M. Bishop, Pattern Recognition and Machine Learning, Springer, 2006.5.
  • B. Schölkopf, A. J. Smola, Learning with Kernels: Support Vector Machines, Regularization, Optimization, and Beyond, MIT Press, 2001
A A A
High contrast

Esse site usa cookies

Nosso website coleta informações do seu dispositivo e da sua navegação e utiliza tecnologias como cookies para armazená-las e permitir funcionalidades como: melhorar o funcionamento técnico das páginas, mensurar a audiência do website e oferecer produtos e serviços relevantes por meio de anúncios personalizados. Para mais informações, acesse o nosso Aviso de Cookies e o nosso Aviso de Privacidade.