Aprendizado de máquina 2018

  • Especialização: Ciência de Dados e Big Data PUC Minas
  • Disciplina: Aprendizado de máquina
  • Datas e atividades:
    • 16/06
    • 23/06
      • Ementa:
        • Conceitos gerais e processo KDD
        • Agrupamento (Estratégias por partição, O algoritmo k-médias, Estratégias baseadas em densidade, algoritmo DBSCAN, Estratégias hierárquicas, Os métodos AGNES e DIANA, Descoberta de tópicos em texto, LDA – Latent Dirichlet Allocation e Avaliação de modelos para análise de agrupamento).
        • Análise de Associação e Padrões Frequentes – Parte 1
      •  Entrega:
        1. Proposta de projeto em Aprendizado de Máquina (10 pts) – encaminhar por e-mail para sergiomariano@gmail.com.  
    • 30/06
      • Ementa:
        • Análise de Associação e Padrões Frequentes – Parte 2
        • Classificação
        • Árvore de decisão
        • KNN
        • Redes Neurais
    • 07/07
      • Ementa:
        • SVN
        • Metodologia de construção e avaliação de modelos
        • Apresentação do projetos finais da disciplina
      •  Entregas:
        1. Projeto em Aprendizado de Máquina – Apresentação de 15 minutos do projeto desenvolvido na disciplina de Aprendizado de Máquina (entregar apresentação, projeto e dados) (50 pts) – encaminhar por e-mail para sergiomariano@gmail.com.  
        2. Trabalho: Soluções tecnológicas para aprendizado de máquina (40 pts) – encaminhar por e-mail para sergiomariano@gmail.com.  
  • Atenção: o aluno que não entregou algum trabalho pode encaminhar por e-mail até meia noite do dia 14/07/18. Após essa data o aluno terá nota zero. 
  • Bibliografia
    • Marsland, Stephen. Machine learning: an algorithmic perspective. CRC press, 2015.
    • Zaki, Mohammed J., and Wagner Meira Jr. Data mining and analysis: fundamental concepts and algorithms. Cambridge University Press, 2014.
  • Bibliografia complementar
    • Han, Jiawei, Jian Pei, and Micheline Kamber. Data mining: concepts and techniques. Elsevier, 2011.
    • da Silva, Leandro Augusto, Sarajane Marques Peres, and Clodis Boscarioli. Introdução à mineração de dados: com aplicações em R. Elsevier Brasil, 2017.
    • Braga, Luis Paulo Vieira. Introdução à Mineração de Dados – 2a edição: Edição ampliada e revisada. Editora Epapers, 2005.
    • Amaral, Fernando. Introdução à Ciência de Dados: mineração de dados e big data. Alta Books Editora, 2016.
    • Barber, David. Bayesian reasoning and machine learning. Cambridge University Press, 2012.
    • O curso também será baseado em artigos das principais conferências e periódicos da área.

 

%d bloggers like this: