Aprendizado de Máquina


Codigo Carga Horária
T E L/P CHT
MIN702 0 2 0 40

Ementa

Conceito de inteligência artificial em que se destacam: aspectos históricos; abordagens clássicas e modernas; estudo de alguns modelos tradicionais e seus campos de aplicação; tendências e perspectivas futuras. O aluno será capaz de entender as classificações dentre as estruturas e algoritmos de Aprendizado de Máquina, para que seja capaz de escolher a melhor solução para um determinado cenário/problema, simulado ou real, bem como conseguira implementar a solução com ferramentas de mercado como Scikit-Learn.

Descrição

Apresentar os principais modelos de aprendizado de máquina como uma ferramenta aplicável aos problemas que envolvam reconhecimento de padrões e classificação de dados desenvolvidos em Python.

Responsável

Foto Professor

Rodrigo Mangoni Nicola

Mais Informações

Bibliografia

Básica

  • GÉRON, Aurélien. Hands-on machine learning with Scikit-Learn & TensorFlow: concepts, tolls, and techniques to build intelligent systems. Sebastopol, CA: O'Reilly, c2017. 548 p. ISBN 9781491962299.
  • WITTEN, Ian H; FRANK, Eibe. Data mining: practical machine learning tools and techniques. 2. ed. Amsterdam: Elsevier, 2005. 525 p. (Morgan Kaufmann Series in Data Management Systems). ISBN 9780120884070.

Complementar

  • HAN, Jiawei; KAMBER Micheline. Data mining: concepts and techniques. 2. ed. Amsterdam: Elsevier, 2006. 770 p. (The Morgan Kaufmann Series in Data Management Systems). ISBN 9781558609013.
  • JANG, Jyh-Shing Roger; SUN, Chuen-Tsai; MIZUTANI, Eiji. Neuro-fuzzy and soft computing: a computational approach to learning and machine intelligence. New Jersey: Prentice Hall, c1997. 614 p. (MATLAB Curriculum Series). ISBN 0132610663.