Aprendizado de Máquina – 2019


Datas e atividades:

  • 23/11
  • 30/11
    • 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
      • Avaliação de modelos para análise de agrupamento).
    • Análise de Associação e Padrões Frequentes – Parte 1 e 2
  • 07/12
    • Exercício – regras de associação
    • Classificação
    • Árvore de decisão
    • KNN
    • Redes Neurais
  • 14/12
    • SVN
    • Metodologia de construção e avaliação de modelos
    • Técnicas para tratamento de desbalanceamento
    • Introdução a técnicas de regressão


  • Trabalho prático:
    • Soluções tecnológicas para aprendizado de máquina. Ver slide Apresentação do curso
      Data limite: Sábado, dia 21 de Dezembro de 2019 até as 23:59

  • 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.