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).