Cursos de Inverno do IME-USP

O curso cobre o seguintes tópicos:

  • Introdução ao aprendizado estatístico (problemas de regressão e classificação);
  • Revisão Python e apresentação das ferramentas básicas (Numpy, Pandas, Matplotlib);
  • Scikit-learn e Keras;
  • Regressão linear e logística;
  • Avaliação de classificadores (K-fold, recall, precisão e outras medidas binárias);
  • Redes Neurais - MLP.
O conteúdo do curso será desenvolvido utilizando slides e exemplos interativos com Jupyter Notebook. Serão desenvolvidos conteúdos teóricos (como implementações de modelos e algoritmos de otimização) e práticos (determinação de parâmetros), sempre representando as melhores práticas de Aprendizado de Máquina. Serão usados conjuntos de dados públicos reais e comumente usados, como reconhecimento de caracteres manuscritos (MNIST).

Curso Oficial PRCEU: Não

O curso cobre o seguintes tópicos:

  • Introdução ao aprendizado estatístico (problemas de regressão e classificação);
  • Revisão Python e apresentação das ferramentas básicas (Numpy, Pandas, Matplotlib);
  • Scikit-learn e Keras;
  • Regressão linear e logística;
  • Avaliação de classificadores (K-fold, recall, precisão e outras medidas binárias);
  • Redes Neurais - MLP.
O conteúdo do curso será desenvolvido utilizando slides e exemplos interativos com Jupyter Notebook. Serão desenvolvidos conteúdos teóricos (como implementações de modelos e algoritmos de otimização) e práticos (determinação de parâmetros), sempre representando as melhores práticas de Aprendizado de Máquina. Serão usados conjuntos de dados públicos reais e comumente usados, como reconhecimento de caracteres manuscritos (MNIST).

Curso Oficial PRCEU: Não