Ementa:
Probabilidades, redes Bayesianas, inferencia, aproximações computacionais (MCMC, Gibbs sampling), Graphical models, learning graphical models, temporal graphical models, MDP, aprendizado por reforço.
Bibliografia:
S. Russell, P. Norvig. Artificial Intelligence: A Modern Approach. 3rd edition, Christopher M. Bishop. Pattern Recognition and Machine Learning. Springer, 2007, Richard S. Sutton and Andrew G. Barto. Reinforcement Learning: An Introduction. Kevin P. Murphy. Machine Learning: A Probabilistic Perspective
Ano de Catálogo: 2020
Créditos: 2
Número mínimo de alunos: 5
Número de alunos matriculados: 13
Tipo Oferecimento: Primeira parte do semestre
Local Oferecimento:
Horários/Salas:
Docentes:
Reservas:
| Hora | Segunda | Terça | Quarta | Quinta | Sexta | Sábado |
|---|---|---|---|---|---|---|
| 07:00 | ||||||
| 08:00 | ||||||
| 09:00 | ||||||
| 10:00 | A - CC53 | A - CC53 | ||||
| 11:00 | A - CC53 | A - CC53 | ||||
| 12:00 | ||||||
| 13:00 | ||||||
| 14:00 | ||||||
| 15:00 | ||||||
| 16:00 | ||||||
| 17:00 | ||||||
| 18:00 | ||||||
| 19:00 | ||||||
| 20:00 | ||||||
| 21:00 | ||||||
| 22:00 | ||||||
| 23:00 |