MT571 - Aprendizado de Máquinas: Aspectos Teóricos e Práticos - 2S/2026 Imprimir

Ementa:

Definição e conceitos básicos de aprendizado de máquinas; regressão linear e logística; redes neurais e aprendizado profundo; SVM e métodos com kernel; árvores de decisão; ensembles e florestas aleatórias; métodos estatísticos clássicos; aprendizado não supervisionado: agrupamento e redução de dimensionalidade; detecção de anomalias; sistemas de recomendação; tópicos do estado-da-arte; aspectos práticos e computacionais; fundamentos matemáticos: dimensão VC e PAC-learning.

Bibliografia:

1. T. Hastie, R. Tibshirani and J. H. Friedman. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer, 2009.
2. C. Bishop. Pattern Recognition and Machine Learning. Springer, 2006.
3. I. Goodfellow, Y. Bengio, A. Courville. Deep Learning. The MIT Press, 2016.
4. A. Géron. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow (2nd Edition), O’Reilly Media, Inc., 2019.
5. S. Shalev-Shwartz and S. Ben-David. Understanding Machine Learning: From Theory to Algorithms. Cambridge University Press, 2014.

Ano de Catálogo: 2026

Créditos: 4