Trailer
Sinopse
Aprendizado de Máquina é uma disciplina optativa com carga horária de 60h, na qual os alunos poderão trabalhar em projetos envolvendo desde o pré-processamento de sons, imagens e outros dados até a escolha e aplicabilidade de técnicas no manejo de modelos de Inteligência Artificial. Apesar destes aspectos práticos, o componente possui grande carga teórica, além de fomentar no aluno a prática da escrita de relatórios técnicos. No fim das contas, a disciplina possibilita bases sólidas caso o aluno queira atuar como cientista de dados ao ingressar no mercado de trabalho.
Vídeo
Classificações
60%
40%
Clássicas
Ativas
20%
80%
Provas
Atividades
60%
40%
Teórica
Prática
15%
85%
Social
Técnica
50%
50%
Individuais
Em grupo
100%
0%
Presencial
EAD
Podcast
Velocidade 1.0x
Materiais
Sem materiais disponiveis...
Conhecimentos / Competências Desejados
Já ter cursado a disciplina de Banco de Dados, bem como componentes voltados para Probabilidade, tais como Análise Combinatória.
Tópicos
Sem tópicos cadastrados
Obstáculos
Alunos que não possuem um arcabouço matemático sólido tendem a apresentar dificuldades na disciplina.
Metodologias
Não há metodologias cadastradas
2025
Índices de aprovação
Altere a data ou marque/desmarque a opção "Todos os
períodos" para fazer uma nova busca.
Buscando dados...
Aprovados
0%
Reprovados
0%
Nota média (todas as unidades)
0
Nota média por unidade
Unidade 1
N/A
Unidade 2
9.7
Unidade 3
4.2
Conteúdos
Ementa
-
Introdução ao Aprendizado de Máquina. Classificação de Dados: problemas de classificação; algoritmos de classificação; validação de classificação; comitês de classificadores. Noções de análise de agrupamentos; aprendizado semi-supervisionado e aprendizado multirrótulo. Aplicações.teste1
-
teste 2
-
teste 3
Conceitos
-
conceito 1, conceito 2
-
conceito 3
Referências
-
Livro: Inteligência artificial
Livro: Neural networks
Livro: Machine learning :
Livro: Deep learning
Livro: Data mining
Livro: Data clustering
Livro: Self-organizing maps
Livro: Geron, Aurelien. Hands-on machine learning with scikit-learn & tensorflow. Oreilly. 2019
Livro: Albon, Chris. Machine Learning with Python Cookbook . Oreilly. 2018
Livro: Patel, Ankur. Hands on unsupervised learning using Python. Oreilly. 2019
Livro: Ayyadevara, Kishore. <strong>Neural Networks with Keras . Packet. 2019
Livro: Trask, Andrew. Deep Learning: grokking. Manning. 2018
Livro: Martin, Osvaldo. Bayesian Analysis with Python . Packet. 2019