CCT-UFCA/Ciência da Computação/Aprendizado de Máquina

Programa do Componente Curricular

Código:	CC0051
Componente Curricular:	Aprendizado de Máquina
Semestre de Oferta:	-		Tipo:	Disciplina	Caráter:	Optativa
Unidade Acadêmica Responsável:	Centro de Ciências e Tecnologia - CCT
Área:	Sistemas de Informação
Créditos:	4	Carga horária:	64	Teórica:	64	Prática:	0	Extensão:	-
Pré-requisito:	CC0027 - Inteligência Artificial
Co-requisito:	-
Equivalência:	-

Objetivos

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.

Ementa

Introdução. Tipos de aprendizado. Paradigmas de aprendizado. Avaliação experimental de algoritmos de Aprendizado de Máquina. Alguns algoritmos de Aprendizado de Máquina.

Bibliografia Básica

1. HAYKIN, S. Redes neurais: princípios e prática. Bookman Editora, 2007.
2. MARSLAND, S. Machine learning: an algorithmic perspective. 2ª ed. CRC press, 2014. 457p.
3. CARVALHO, A. Inteligência Artificial - Uma Abordagem de Aprendizado de Máquina. LTC,2011.

Bibliografia Complementar

1. BISHOP, C. M.; NASRABADI, N. M. Pattern recognition and machine learning. New York:Springer, 2006.
2. DUDA, R. O.; HART, P. E.; STORK, D. G. Pattern classification. John Wiley & Sons, 2012.
3. WITTEN, I. H.; FRANK, E. Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann, 2011.
4. SUTTON, R. S.; BARTO, A. G. Reinforcement learning: an introduction. Cambridge, Mass: MIT Press, 2018.
5. GOLDBERG, D. E. Genetic Algorithms: in Search, Optimization, and Machine Learning. Boston: Addison Wesley, 1989.