Aprendizado de Máquina – 2019

Datas e atividades:

• 23/11
  • Apresentação
  • Introdução
  • Ferramentas para Aprendizado de Máquina
  • Conceitos gerais e processo KDD
  • Artigo: A survey of open source tools for machine learning with big data in the Hadoop ecosystem  
  • Artigo: Big data analytics: a survey
• 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

• 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.