EEL891-Intro ao Aprendiz de MáquinaAprendizado supervisionado: algoritmos para classificação e regressão. Generalização, medidas de erro, treinamento e teste, viés e variância, overfitting, técnicas de regularização e algoritmos de validação. Aprendizado não-supervisionado: algoritmos para agrupamento, detecção de anomalia, separação de sinais e estimação de densidade. aprendizado por reforço: modelagem como processo de decisão de Markov e algoritmos de otimização de estratégia de decisão. redes neutrais profundas e deep learning. 

___BIBLIOGRAFIA RECOMENDADA__ 

1- MARSLAND, S. "Machine Learning - An Algorithmic Perspective". 

2- MÜLLER, A. C. e GUIDO, S. "Introduction to Machine Learning with Python".

3- GÉRON, A. "Hands-On Machine Learning with Scikit-Learn and TensorFlow". 

___BIBLIOGRAFIA COMPLEMENTAR___

1- ABU-MOSTAFA, Y. S., MAGDON-ISMAIL., e LIN, H. Learning from Data. AMLbook, 2012. 

2- BISHOP, C. M. Pattern Recognition and Machine Learning. Springer, 2013.

3- HASTIE, T., TIBSHIRANI, R. e FRIEDMAN J. The Elements of Statistical Learning. Springer, 2016. 

4- GOODFELLOW, I., YOSHUA, B. e COURVILLE, A., Deep Learning. The MIT Press, 2016.

Intro ao Aprendiz de Máquina

Materiais

Faça login para ver os materiais

Materiais relacionados