CD303 — Aprendizado de Máquina I
Ementa, programa e bibliografia da disciplina CD303.
← Voltar para a lista de disciplinas
Ementa
Fundamentos de aprendizado de máquina, com ênfase em aprendizado supervisionado. Generalização, validação, métricas de avaliação, pré-processamento de dados, seleção de modelos e ajuste de hiperparâmetros. Modelos clássicos para classificação e regressão. Atividades práticas com conjuntos de dados públicos.
Programa
1. Introdução ao Aprendizado de Máquina
- Conceitos fundamentais
- Tipos de aprendizado de máquina
- Fluxo de desenvolvimento de modelos
2. Pré-processamento de Dados
- Limpeza e tratamento de dados
- Normalização e padronização
- Divisão entre treino, validação e teste
3. Generalização e Avaliação
- Overfitting e underfitting
- Validação cruzada
- Métricas de avaliação para classificação e regressão
4. Modelos de Classificação
- Regressão logística
- k-vizinhos mais próximos
- Árvores de decisão
- Naive Bayes
5. Modelos de Regressão
- Regressão linear
- Regressão polinomial
- Regularização
6. Seleção de Modelos e Ajuste de Hiperparâmetros
- Busca em grade e busca aleatória
- Seleção de atributos
- Comparação de modelos
7. Atividades Práticas
- Uso de bibliotecas de aprendizado de máquina
- Experimentos com bases de dados públicas
- Interpretação e apresentação de resultados
Referências
- WATT, Jeremy; BORHANI, Reza; KATSAGGELOS, Aggelos K. Machine learning refined: Foundations, algorithms, and applications. 2nd Edition. Cambridge University Press, 2020.