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