IF699-APRENDIZAGEM-DE-MAQUINA

Ementa

• Fundamentos da aprendizagem de máquina

• Tipos de aprendizado

• Classificação e Regressão

• Algoritmos de aprendizado supervisionado

• Algoritmos de aprendizado não-supervisionado

• Avaliação de sistemas de aprendizado

• Árvore de Decisão

• k-NN

• Distâncias Heterogêneas

• Seleção de Protótipos

• DTW

• Seleção de Atributos

• Curva ROC

• Principal Component Analysis (PCA)

• Linear Discriminant Analysis (LDA)

• Avaliação de Hipóteses

Cursos na web

• Learning from Data
  • Yaser S. Abu-Mostafa
  • Caltech
  • https://work.caltech.edu/telecourse
• Machine Learning
  • Andrew Ng
  • Stanford
  • https://www.youtube.com/watch?v=PPLop4L2eGk&list=PLLssT5z_DsK-h9vYZkQkYNWcItqhlRJLN
• Data Mining and Machine Learning
  • Wagner Meira
  • UFMG
  • https://www.youtube.com/channel/UCUN8yMTrizS5GGaGnyj9y_g/featured
• Videos do Prof. Hansenclever (CIn/UFPE)
  • https://www.youtube.com/playlist?list=PL4-neXto5bGUpsE4FpO7T6BkLaSx_pyie

Bibliografia Básica

• Tom Mitchell. Machine Learning. McGraw-Hill, 1997.
• Richard O. Duda, Peter E. Hart and David G. Stork. Pattern Classification, Wiley-Intersicence, 2000.
• Christopher M. Bishop. Pattern Recognition and Machine Learning, Springer, 2006.

Bibliografia Complementar

• Ethem Alpaydin. Introduction to Machine Learning, The MIT Press, 2020.
• S. Theodoridis and K. Koutroumbas. Pattern Recognition, Academic Press, 2008.
• Yaser S. Abu-Mostafa, Malik Magdon-Ismail, Hsuan-Tien Lin. Learning From Data, AMLBook, 2012.
• Kevin P. Murphy. Machine Learning: A Probabilistic Perspective, The MIT Press, 2012
• Trevor Hastie, Robert Tibshirani, Jerome Friedman. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer, 2013.
• Ian Goodfellow and Yoshua Bengio and Aaron Courville. Deep Learning. MIT Press, 2016.http://www.deeplearningbook.org
• M. J. Saki and W. Meira. Data Mining and Machine Learning. Cambridge University Press, 2020.
• Braga, A., Carvalho, A.C.P.L.F. e Ludermir, T. Redes Neurais Artificiais: Teoria e Aplica ̧c ̃oes. LTC
• Facelli, K., Lorena, A.C., Gama, J., Carvalho, A.C.P.L.F. Inteligˆencia Artificial. Uma abordagem de Aprendizado de M ́aquina

https://sites.google.com/site/aprendizagemmaquina/aulas

=============== Formas não paramétrica

aprendizado preguiçoso

• possuem mais de um máximo local

probabilidade posteriori k-vizinhos

LVQ - https://edisciplinas.usp.br/pluginfile.php/5389403/mod_resource/content/1/RNA_Aula11.pdf

===========================

O desempenho médio é sempre mais seguro que o desempenho individual (por isso uso o sistema de validação cruzada)

• Cada vez que você executa o código dá um resultado diferente. O ideal é você partir de um conjunto único (de treinamento, teste,validação). O train_test_split é importante partir de uma semente comum. (?)