Disciplina: 2035003 - APRENDIZADO DE MÁQUINA
Créditos: 3
Departamento: DEPTO DE CIENCIA DA COMPUTACAO /ICE
Plano de Ensino
2.Espaço de hipóteses.
3.Aprendizado supervisionado.
4.Aprendizado não supervisionado.
5.Paradigma de aprendizado.
6.Aprendizado bayesiano.
7.Algoritmo de aprendizado Naive Bayes.
8.Modelos lineares de regressão.
9.Classificador perceptron.
10.Redes multicamadas e backpropagation.
11.Funções de bases radiais.
12.Classificador SVM.
13.Aprendizado não supervisionado.
14.Cluster hierárquico.
15.Algoritmos K-means.
16.Maximização esperada.
17.Seleção de avaliação de modelos.
18.Seleção de características.
T. M. MITCHELL. Machine Learning. McGraw-Hill, 1997. ISBN 0071154671.
C. M. BISHOP. Pattern Recognition and Machine Learning; Springer (1st ed. 2006 Corr. 2nd printing edition), 2006. ISBN 0387310738.
S. MARSLAND. Machine Learning: An Algorithmic Perspective; Chapman & Hall. 2009. ISBN 1420067184.
R. O. DUDA, P. E. HART, D. G. STORK. Pattern Classification; Wiley-Interscience (2nd edition). 2000. ISBN 0471056693.
S. THEODORIDIS, K. KOUTROUMBAS. Pattern Recognition; Academic Press (Fourth Edition). 2008. ISBN 1597492728.
M.C. Nicoletti. O modelo de aprendizado de máquina baseado em exemplares: principais características e algoritmos; EdUFSCar. 2006. ISBN 8576000369.