Portal do Ementário

Interpretar os conceitos matemáticos e empregar bibliotecas públicas de métodos numéricos e/ou de álgebra computacional para: Calcular derivadas parciais, integrais de linha e integrais múltiplas; Empregar expansões de Taylor em uma ou várias dimensões para obter aproximações de funções multivariável; Realizar operações básicas com vetores e matrizes; Calcular autovalores e autovetores, e realizar decomposições de matrizes ´uteis no estudo de aprendizado de máquina; Empregar o critério de m´mínimos quadrados na solução de problemas, incluindo regressão polinomial, mínimos quadrados com pesos, mínimos quadrados totais; Compreender os fundamentos da análise de regressão multivariável.

Conceitos, visualização geométrica, algoritmos, implementação computacional e aplicações de vetores, matrizes, derivadas e integrais em cálculo multivariável. Expansão de Taylor em funções n-dimensionais; derivação e integração simbólica e numérica em funções 2- e 3-dimensionais; matrizes de rotação; decomposições de matrizes; métodos baseados em mínimos quadrados.

BOYD, S.; VANDENBERGHE, L., Introduction to applied linear algebra: vectors, matrices, and least squares, 1a. edição, Editora Cambridge University Press, 2018. DEISENROTH, M.P.; FAISAL, A.A.; ONG, C.S., Mathematics for machine learning, 1a. edição, Editora Cambridge University Press, 2020. ELDEN, L., Matrix methods in data mining and pattern recognition, 1a. edição, Editora SIAM, 2019.

COHEN, M.X., Practical linear algebra for data science, 1a. edição, Editora O’Reilly Media, 2022. AGGARWAL, C.C.; AGGARWAL, L.-F, Linear algebra and optimization for machine learning, 1a. edição, Editora Springer International Publishing, 2020. FAVIER, G., Matrix and Tensor Decompositions in Signal Processing, Volume 2, 1a. edição, Editora John Wiley & Sons, 2021. SAYED, A.H., Inference and Learning from Data: Foundations, 1a. edição, Editora Cambridge University Press, 2022. MAGNUS, J.R.; NEUDECKER, H., Matrix differential calculus with applications in statistics and econometrics, 1a. edição, Editora John Wiley & Sons, 2019.