Página da disciplina MO444 e MC886

Material das Aulas | Material de Apoio | Seminários | Trabalho Prático

Apresentação

Professor: Anderson Rocha

Turmas	Dia	Horário	Sala
A	Quartas	21-22:40	PB18
	Sextas	19-20:40	CB02

Atendimento: Agendar por e-mail.

Avisos:

01/08/2013	A descrição geral e ementa da disciplina estão disponíveis.

Material das aulas

Aula #0 - Apresentação da disciplina. Ementa do curso e avisos pertinentes.

121 KB

(PDF)

Aula Introdutória -- Introdução ao aprendizado de máquina, problemas, dados, ferramentas. Leitura recomendada: IAAM, Cap. #1 e #2; PRML, Cap. #1

1,2 MB

(PDF)

Up

Material de aula #01 Assuntos cobertos Introdução ao aprendizado de máquina Aprendizado supervisionado vs. não supervisionado vs. semi-supervisionado Regressão Linear Função de custo Descida do gradiente Generalização de descida do gradiente Aumentando a complexidade do modelo Overfitting vs. Generalization Regressão com múltiplas variáveis Normalização e escala de características Regressão polinomial Equaçõo normal Regressão logística Fronteiras de decisão Regressão logística e função de custo Regressão logística e extensão para multi-classe Regularização Regressão linear e logística regularizadas Classificador perceptron Redes neurais artificiais Redes neurais artificiais multi-classe Função de custo para redes neurais artificiais Forward propagation Back propagation Checagem do gradiente

20,1 MB

(PDF)

Up

Material de aula #02 Assuntos cobertos Computação evolutiva Estratégia evolutiva Programação evolutiva Algoritmos genéticos Programação genética

4,2 MB

(PDF)

Material de aula #03 Assuntos cobertos Aprendizado não supervisionado Algoritmo K-Means Inicialização aleatória Técnica do cotovelo Isomaps GMMs Expectation/Maximization (EM) Redução de dimensionalidade PCA Técnicas para escolher o número de dimensões

2,9 MB

(PDF)

Up

Material de aula #04 Assuntos cobertos Representação vs. classificação de dados LDA LDA multi-classe Debugando uma solução de aprendizado de máquina Avaliação de performance em aprendizado de máquina Viés vs. variância Curvas ROC Bootstrapping Testes de hipóteses Wilcoxon Sign-Rank Test Friedman Test Post-tests

15,0 MB

(PDF)

Material de aula #05 Assuntos cobertos Árvores de classificação

5,9 MB

(PDF)

Up

Material de aula #06 Assuntos cobertos Teoria da amostragem Bagging Boosting

3,0 MB

(PDF)

Material de aula #07 Assuntos cobertos Support Vector Machines (I)

412 KB

(PDF)

Up

Material de aula #08 Assuntos cobertos Support Vector Machines (II)

692 KB

(PDF)

Material de aula #09 Assuntos cobertos Support Vector Machines (III)

360 KB

(PDF)

Up

Material de aula #10 Assuntos cobertos Naive Bayes

1,8 MB

(PDF)

Up

Material de Apoio e Artigos para Leitura

Up

Trabalhos Práticos

Trabalho Prático #1. Definição

Trabalho Prático #2. Definição

Trabalhos Práticos. Utilizem esse modelo para o artigo/relatório do trabalho prático.

Up