Portal do Ementário

Apresentar os aspectos fundamentais e principais algoritmos de aprendizado de máquina, que investiga técnicas para desenvolver algoritmos capazes de aprender, ou melhorar seu desempenho, utilizando exemplos de situações previamente observadas. Além do estudo dos algoritmos de aprendizado baseados em diferentes paradigmas, será estudada a realização experimentos com desses algoritmos para entender como eles induzem conhecimento utilizando aplicações reais nas áreas áreas ambiental, saúde, social e finanças. Sempre que possível, relacionar estas áreas a questões étnico-raciais e de direitos humanos.

Introdução – Aprendizado de máquina – Classificação – Métodos de reamostragem – seleção de um modelo linear e regularização – Árvores de decisão – Máquina de vetores de suporte (SVM).

KUHN, M.; JHONSON, K. Applied predictive modeling. New York, N.Y.: Springer, 2013. 600 p. JAMES, G.; WITTEN, D.; HASTIE, T.; TIBSHIRANI, R. An Introduction to Statistical Learning: with Applications in R. 6th ed. New York, N.Y.: Springer, 2013. 426 p. HASTIE, T.; TIBSHIRANI, R.; FRIEDMAN, J. The elements of statistical learning: Data mining, inference and prediction. 2nd ed. New York, N.Y.: Springer, 2017. 745 p.

EFRON, B.; HASTIE, T. Computer Age Statistical Inference: Algorithms, Evidence, and Data Science. New York: Cambridge University Press, 2016. 495 p. HASTIE, T.; TIBSHIRANI, R.; WAINWRIGHT Statistical learning with sparsity: The lasso and generalizations. Florida: CRC Press, 2015. 367 p. INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. Características Étnico-Raciais da População: Classificações e identidades. Rio de Janeiro, 2013. Disponível em https://biblioteca.ibge.gov.br/visualizacao/livros/liv63405.pdf. Acesso em 23 jun 2018.INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. Brasil: Uma visão geográfica e ambiental no inicio do século XXI. Rio de Janeiro, 2016. Disponível em https://biblioteca.ibge.gov.br/visualizacao/livros/liv97884.pdf. Acesso em 23 jun 2018.INSTITUTO DE PESQUISA ECONÔMICA APLICADA; FÓRUM BRASILEIRO DE SEGURANÇA PÚBLICA. Atlas da Violência 2018. Rio de Janeiro, 2018. Disponível em http://repositorio.ipea.gov.br/bitstream/11058/8398/1/Atlas%20da%20viol%c3%aancia_2018.pdf, Acesso em 23 jun 2018.INSTITUTO DE PESQUISA ECONÔMICA APLICADA; FÓRUM BRASILEIRO DE SEGURANÇA PÚBLICA. Atlas da Violência 2017. Rio de Janeiro, 2017. Disponível em http://www.ipea.gov.br/portal/images/170602_atlas_da_violencia_2017.pdf, Acesso em 23 jun 2018.KELLEGER, J.; McNAMEE, B.; D’ARCY, A. Fundamentals of Machine Learning for Predictive Data Analytics – Algorithms, Worked Examples, and Case Studies. MIT Press, 2015. 624 p. MURPHY, K. The Machine Learning: A Probabilistic Perspective. MIT Press, 2012. 1104 p. WITTEN, I. H.; FRANK, E.; HALL, M.; PAL, C. Data Mining : Practical Machine Learning - Tools and Techniques. 4th ed. Morgan Kaufmann, 2017. 654 p. WAISELFISZ, J.J. Mapa da Violência 2015: Homicídio de mulheres no Brasil. Brasília. 2015. Disponível gratuitamente em: https://www.mapadaviolencia.org.br/pdf2015/MapaViolencia_2015_mulheres.pdf. Acesso em 23 jun 2018. WAISELFISZ, J.J. Mapa da Violência 2013: Homicídio e juventude no Brasil. Brasília. 2013. Disponível gratuitamente em: https://www.mapadaviolencia.org.br/pdf2013/mapa2013_homicidios_juventude.pdf. Acesso em 23 jun 2018. WAISELFISZ, J.J. Mapa da Violência 2011: Os Jovens do Brasil. São Paulo. 2011. Disponível gratuitamente em: http://mapadaviolencia.org.br/pdf2011/MapaViolencia2011.pdf. Acesso em 23 jun 2018.