Carga horária da disciplina: 4 horas/aula

Professor(es) em 2023-2

Turma 11

Professor: Jadson Castro Gertrudes - e-mail Horários: Segunda-feira (13h30 - 15h10) Quarta-feira (13h30 - 15h10)

Objetivos

Ementa

Introdução ao aprendizado de máquina; aprendizado supervisionado, seus princípios e modelos; avaliação dos algoritmos de aprendizado supervisionado; aprendizado não supervisionado e semissupervisionado; aprendizado por reforço.

Conteúdo Programático

- Conteúdo programático:
-
- 1. Introdução ao aprendizado de máquina
- 1.1. Definição de aprendizado de máquina
- 1.2. Principais tipos de aprendizado
-
- 2. Aprendizado supervisionado e seus princípios
- 2.1. Como um algoritmo supervisionado aprende?
- 2.2. Viés de busca e de representação
- 2.3. Generalização e sobreajuste (overfitting)
- 2.4. Erro e ruído
-
- 3. Aprendizado supervisionado e seus modelos
- 3.1. Modelo linear (regressão linear, regressão logística)
- 3.2. Aprendizado baseado em instâncias
- 3.3. Árvores de Decisão
- 3.4. Máquinas de Vetores de Suporte
- 3.5. Redes Neurais Artificiais
-
- 4. Avaliação dos algoritmos de aprendizado supervisionado
- 4.1. Métricas para avaliação
-
- 5. Aprendizado não supervisionado
- 5.1. Conceituação
- 5.2. Métodos de agrupamento particionais
- 5.3. Métodos de de agrupamento hierárquicos
-
-
-
- 6. Aprendizado semissupervisionado
- 6.1. Conceituação (aprendendo com dados rotulados e não-rotulados)
- 6.2. Agrupar e rotular
-
- 7. Aprendizado por reforço
- 7.1. Descrição da tarefa de aprendizado por reforço
- 7.2. Q Learning
- 7.3. Ações e recompensas não-determinísticas

Bibliografia

- Bibliografia básica:
-
- MITCHELL, Tom M. Machine learning. New York: McGraw-Hill 1997. 414 p. ISBN 0070428077 (broch.).
-
- MELO, Rodrigo F, PONTI, Moacir A. Machine learning: A Practical Approach on the Statistical Learning Theory. Switzerland: Springer 2019. 373p. ISBN 978-3-319-94989-5 (ebook).
-
- TAN, Pang-Ning; STEINBACH, Michael; KUMAR, Vipin. Introdução ao data mining. Rio de Janeiro: Ciência Moderna, c2009. xxi, 900 p. ISBN 8573937619.
-
- ZHU, Xiaojin; GOLDBERG, Andrew B. Introduction to semi-supervised learning. Synthesis lectures on artificial intelligence and machine learning, v. 3, n. 1, p. 1-130, 2009.

Bibliografia complementar

- POOLE D.L., MACKWORTH A.K. Artificial Intelligence: Foundations of Computational Agents, 2nd Edition. Cambridge University Press. Disponível em: https://artint.info/2e/html/ArtInt2e.html . Acesso em: 25 mai. 2022.
-
- Norvig, P. Russel, S. Inteligência Artificial. Grupo GEN, 2013. 9788595156104. Disponível em: https://integrada.minhabiblioteca.com.br/#/books/9788595156104/. Acesso em: 25 mai 2022.
-
- FACELI, Katti; LORENA, Ana C.; GAMA, João; AL, et. Inteligência Artificial - Uma Abordagem de Aprendizado de Máquina. Grupo GEN, 2021. 9788521637509. Disponível em: https://integrada.minhabiblioteca.com.br/#/books/9788521637509/. Acesso em: 25 mai. 2022.
-
- Yaser S. Abu-Mostafa, Malik Magdon-Ismail, and Hsuan-Tien Lin. 2012. Learning From Data. AMLBook. 213p. ISBN:978-1-60049-006-4
-
- CHAPELLE, Olivier; SCHOLKOPF, Bernhard; ZIEN, Alexander. Semi-supervised learning (chapelle, o. et al., eds.; 2006)[book reviews]. IEEE Transactions on Neural Networks, v. 20, n. 3, p. 542-542, 2009.