EQE778-Aprendizado de MáquinaIntrodução. Conceitos. Histórico. Fundamentos matemáticos. Tratamento dos dados. Aprendizado supervisionado: introdução, métodos e métricas, modelos. Aprendizado não supervisionado: introdução, clusterização, redução de dimensionalidade. Aprendizado semi-supervisionado. Aprendizado suportado na física/conhecimento. Aprendizado por reforço: o processo de decisão de Markov e sua resolução, o conceito de exploração, algoritmos. Aplicações em engenharia de sistemas em processos.

___BIBLIOGRAFIA BÁSICA___
1) Burkov, A. The Hundred-page Machine Learning Book, Andriy Burkov, 2019.
2) Chollet, F. Deep Learning with Python, Manning, 2018.
3) Blum, A., Hopcroft, J., Kannan, R. Foundations of Data Science, Cambridge
University Press, 2018.
4) Sutton R., Barto A., Reinforcement Learning: An Introduction, MIT Press, 2018.
5) Dinov I. Data Science and Predictive Analytics, Springer, 2018. 
6) Géron, A. Hands-On Machine Learning with Scikit-learn & TensorFlow, O'Reilly, 2017.
7) Kubat M. An Introduction to Machine Learning, Springer, 2017.
8) Goodfellow, I., Bengio, Y., Courville, A., www.deeplearningbook.org, 2016.
9) Aggarwal, C., Data Mining, Springer, 2015.
10) Zhao, Y. R and Data Mining - Examples and Case Studies, Academic Press,
Elsevier, 2012.
11) Busoniu L., Babuska R., De Schutter B., Ernst D., Reinforcement Learning and Dynamic Programming Using Function Approximators, CRC Press, 2010.
12) Hastie, T., Tibshirani, R., Friedman, J., The Elements of Statistical Learning: Data ining, Inference, and prediction, Springer, 2009.