Introdução ao Aprendizado de Máquina - EaD (Noturno)

Veja horário do curso: curso 11
Tópicos a serem estudados:
  1. Introdução ao aprendizado estatístico (problemas de regressão e classificação);
  2. Revisão Python e apresentação das ferramentas básicas (Numpy, Pandas, Matplotlib, Scikit-learn e Keras);
  3. Regressão linear e logística;
  4. Avaliação de classificadores (K-fold, recall, precisão e outras medidas binárias);
  5. Redes Neurais - MLP;
  6. Modelos baseados em árvores: “Decision Trees”, Random Forests (noções de ensembles de classificadores);
  7. Pré-processamento (normalização, ajuste de escala, imputação de valores, one-hot encoding);
  8. Busca de hiperparâmetros com grid search e random search;
  9. Extração e seleção de atributos;
  10. Regularização: LASSO (L1), Ridge (L2) e Elastic net (L1 + L2)
  11. Deep Learning - aplicações com imagens.
Serão feitas apresentações teóricas e examinados exemplos interativos com Jupyter Notebook. Serão desenvolvidos conteúdos teóricos (como implementações de modelos e algoritmos de otimização) e práticos (determinação de parâmetros e seleção de atributos), 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) e análise de sentimento (Twitter US Airline Sentiment). A avaliação será feita por meio de exercícios práticos e teóricos a serem feitos pelo estudante.
Curso Oficial PRCEU: Sì