CCO – 729 – 6 Tópicos em Aprendizado de Máquina: Algoritmos e Aplicações (Topics on Machine Learning: algorithms and applications)

Quantidade de créditos (amount of credits): 8
Total de horas de aulas teóricas (Total hours of theoretical classes): 60
Total de horas de aulas de exercícios, seminários ou estudos dirigidos (Total hours of exercise classes, seminars or directed studies): 60

 

Objetivo (Objective):

Familiarizar o aluno com os conceitos e algoritmos dentro dos diversos paradigmas de Aprendizado de Máquina supervisionado e não-supervisionado. Capacitar o aluno a resolver problemas práticos utilizando os conceitos e algoritmos apresentados, que estará apto a preparar, executar e avaliar os resultados de experimentos na área de Aprendizado de Máquina.
(To familiarize the students with the concepts and algorithms of the supervised and unsupervised paradigms of Machine Learning. Prepare the student to solve practical problems using the presented concepts and algorithms. Make the students able to prepare, execute and evaluate the results of Machine Learning experiments in different applications domain.)

 

Ementa (Catalog Description): 

- Apresentação de conceitos básicos e problemas reais tratados com Aprendizado de Máquina;
(Presentation of basic concepts and real problems using a Machine Learning approach)

- Noções sobre tipos e pré-processamento de dados;
(Understanding data types and preprocessing)

- Visão geral sobre Aprendizado Supervisionado: classificação e regressão;
(Supervised learning overview: classification and regression)

Detalhamento de algoritmos de classificação e regressão;
(Unsupervised learning overview: clustering and association rules discovery)

- Visão geral sobre Aprendizado Não Supervisionado: agrupamento e descoberta de regras de associação;
(Detailing supervised and unsupervised learning algorithm)

- Apresentação de técnicas de avaliação e comparação de resultados no contexto de Aprendizado de Máquina. (Presentation of techniques to evaluate compare results of Machine Learning experiments)

 

Bibliografia (Bibliography): 

FACELI, Katti; LORENA, A. C., GAMA, J.; Carvalho, A. C. P. L. F. Inteligência Artificial: Uma abordagem de aprendizado de máquina. 2011.
WITTEN, Ian H.; FRANK, Eibe. Data mining: practical machine learning tools and techniques. 2. ed. San Frascisco: Elsevier, c2005. 524 p. (The Morgan Kaufmann Series in Data Management Systems). ISBN 0-12-088407-0.
MITCHELL, Tom M. Machine learning. Boston: MCB/McGraw-Hill, 1997. 414 p. (McGraw-Hill Series in Computer Science). ISBN 0-07-042807-7.
HAN, Jiawei; KAMBER, Micheline. Data mining: concepts and techniques. 2. ed. Amsterdam: Elsevier, c2006. 770 p. (The Morgan Kaufmann Series in Data Management Systems). ISBN 1-55860-901-6.

FLACH, Peter. Machine learning: the art and science of algorithms that make sense of data. Cambridge University Press, 2012.
RUSSELL, Stuart J; NORVIG, Peter. Artificial intelligence: a modern approach. 3. ed. Upper Saddle River: Prentice-Hall, c2010. 1131 p. ISBN 978-0-13-604259-4.
CHAPELLE, Olivier; SCHÖLKOPF, Bernhard; ZIEN, Alexander (Ed.). Semi-supervised learning. Cambridge: The MIT Press, 2006. 508 p. (Adaptive Computation and Machine Learning). ISBN 9780262033589.
NICOLETTI, Maria do Carmo. O modelo de aprendizado de máquina baseado em exemplares: principais caracteristicas e algoritmos. São Carlos, SP: EdUFSCar, 2005. 61 p. (Série Apontamentos). ISBN 85-7600-036-9.