Aprendizado de Máquina - 2010.1
Horários: Terças de 9:00 às 13:00
Sala: 234, Bloco D
Professora: Bianca Zadrozny
E-mail: bianca@ic.uff.br
Xerox: Pasta 524, xerox do Bloco E

Ir para: [Bibliografia] [Aulas] [Exercícios] [Trabalhos]

 Descrição do curso

O objetivo do aprendizado de máquina (ou "machine learning") é programar computadores para aprender um determinado comportamento ou padrão automaticamente a partir de exemplos ou observações. Hoje em dia muitas aplicações utilizam algoritmos de aprendizado de máquina, incluindo sistemas para prever o comportamento de clientes a partir de dados de compras, reconhecer faces ou voz, ou extrair conhecimento de dados biológicos. Este curso tem como objetivo dar uma introdução aos principais métodos de aprendizado de máquina, com foco em aprendizado supervionado (classificação e regressão). Os tópicos abordados serão: classificação indutiva, árvores de decisão, ensembles, avaliação experimental, teoria do aprendizado, aprendizado de regras, redes neurais, máquinas de vetor de suporte, aprendizado bayesiano, aprendizado baseado em instâncias, classificação de textos, aprendizado por reforço.
 
 Avaliação

A avaliação será feita através de listas de exercícios e trabalhos individuais. Haverá um trabalho teórico e um trabalho prático.

A nota final será a média das notas do trabalho teórico, do trabalho prático e da média das notas das listas de exercícios.

 Bibliografia

O livro-texto do curso é:

Machine Learning
Tom M. Mitchell
McGraw Hill, 1997


 
 
 
 

 Aulas (sujeito a modificações)

Os slides das aulas serão disponibilizados ao longo do curso, em formato PPT e PDF.

Os capítulos mencionados na coluna leitura são referentes ao livro-texto.
 
Data Tópico Leitura Slides
16/03 Introdução Cap. 1 PPT PDF
23/03 Classificação Indutiva Cap. 2 PPT PDF
30/03 Árvores de Decisão Cap. 3 PPT PDF
13/04 Ensembles Artigo PPT PDF
20/04 Avaliação Experimental Cap. 5 PPT PDF
27/04 Aprendizado de Regras Cap. 10 PPT PDF
04/05 Redes Neurais Cap. 4 PPT PDF
11/05 Teoria do Aprendizado Cap. 7 PPT PDF
18/05 Máquinas de Vetor de Suporte
Artigo PPT PDF
25/05 Aprendizado Bayesiano Cap. 6 PPT PDF
01/06 Aprendizado Baseado em Instâncias Cap. 8 PPT PDF
08/06 Classificação de Textos Artigo PPT PDF
15/06 Aprendizado por Reforço Artigo PPT PDF

 Exercícios

Primeira Lista de Exercícios
Exercícios do Livro-texto: 2.1, 2.2, 2.4, 3.1, 3.2, 3.4
Data de entrega: 13/04
Segunda Lista de Exercícios
Exercícios do Livro-texto: 5.1, 5.2, 5.3, 5.4, 10.1, 10.2, 10.4
Data de entrega: 18/05
Terceira Lista de Exercícios
Exercícios do Livro-texto: 4.1, 4.2, 4.7, 6.1, 7.1, 7.7, 8.3
Data de entrega: 06/07

 Trabalhos

O trabalho teórico consiste apresentação de um artigo da área de aprendizado automático, sugerido pela professora de acordo com os interesses do aluno. Cada apresentação terá duração de 45 minutos. A nota do trabalho teórico terá como critério o conhecimento sobre o artigo que o aluno deve demonstrar durante a apresentação, inclusive sendo capaz de responder perguntas (razoáveis) sobre o artigo feitas pela professora e por outros alunos.

Escolha do artigo: até 20/04

O trabalho prático consiste da proposta e execução de um projeto de aprendizado automático especificando o tipo de problema, base de dados (ou simulador) e algoritmo(s) a serem utilizados. A nota do trabalho prático será baseada tanto na proposta em si que deve ser bem fundamentada tecnicamente quanto na qualidade dos resultados obtidos. O trabalho prático também deve ser apresentado em sala de aula.

Entrega da proposta do trabalho prático: 06/05