Universidade Federal do Paraná
Programa
de Graduação em Ciências da Computação
Disciplina: CI1171 –
Aprendizado de Máquina
Carga horária: 60 horas - 4 créditos
Primeiro Semestre de 2020
Tema: Introdução aos conceitos de Aprendizado de Máquina
Prof.: Aurora T. R. Pozo
Ementa
O
objetivo do aprendizado de máquina (ou "machine
learning”) é o desenvolvimento de técnicas
computacionais capazes de aprender um determinado comportamento ou padrão
automaticamente a partir de exemplos ou observações.
Um sistema de aprendizado é um programa de computador que toma decisões baseado
em experiências acumuladas através da solução bem sucedida de problemas
anteriores. Exemplos de aplicações sistemas para prever o comportamento de
clientes a partir de dados de compras, reconhecer faces ou voz, ou extrair
conhecimento de dados biológicos. O programa do curso inclui
uma introdução aos principais métodos
de aprendizado de máquina, tipos de aprendizagem
(supervisionado, não supervisionado e semi-supervisionado); Técnicas supervisionadas (árvores de decisão,
classificador linear, redes neurais, deep learning, support vector machine, k-nearest neighbors e naivebayes); Técnicas
não supervisionadas ( k-means, k-medoids);
Aprendizado por reforço (Q-learning).
Programa
1 - Introdução
2 - Preparação de Dados
- Análise de Dados
- Pré-processamento de Dados
3 - Modelos Preditivos
- Métodos Baseados em Distâncias
- Métodos Probabilísticos
- Métodos Baseados em Procura
- Métodos Baseados em Otimização
- Modelos Múltiplos Preditivos
- Avaliação de Modelos Preditivos
4 - Modelos Descritivo
- Mineração de Padrões Frequentes
- Análise de Agrupamentos
- Algoritmos de Agrupamentos
- Modelos Múltiplos Descritivos
- Avaliação de Modelos Descritivos
5 – Aprendizado por Reforço
- Modelos de Decisão de Markov
- Q-learning
6 - Tópicos Avançados
- Aprendizado em Fluxos Contínuos de Dados
- Meta-aprendizado
- Decomposição de Problemas Multi-classe
- Classificação Multi-rótulo
- Classificação Hierárquica
- Computação Natural
Bibliografia
T. M.
Mitchell. Machine Learning. McGraw–Hill Science/Engineering/Math, 432 páginas, ISBN 0070428077, 1997.
Facelli, K., Lorena, A.C., Gama, J., Carvalho, A.C.P.L.F. Inteligência Artificial - Uma Abordagem de Aprendizado de Máquina.
Avaliação
A avaliação consiste em 2 provas, 60% Provas, 4 Trabalhos obrigatórios, 40%. Todos os trabalhos têm mesmo peso.
Prova 1: Data 23/04, Tópicos 1, 2 e 3
Prova 2: Data 16/06, Tópicos 4,5 e 6
Exame: Data 07/07
Material:
Moodle