Portal do Ementário

Introdução. Variáveis Aleatórias. Modelos Lineares. Regressão e Classificação. Redes de Propagação Adiante: Perceptron, Perceptron Multi-Camada. Algoritmos de Otimização para Ajuste dos Pesos. Extração de Características. Autoencoder. Aprendizagem Não Supervisionada. Mapa Auto-Organizável. Modelos Baseados em Atenção. Transformadores. Rede de Hopfield. Máquina de Boltzmann e Máquina Restrita de Boltzmann. Redes Convolucionais. Processamento Sequencial com LSTM. Avaliação de Desempenho.

* Goodfellow, Ian, Bengio, Yoshua, and Courville, Aaron. Deep Learning. MIT Press, 2016. * Russell, Stuart, and Norvig, Peter. Artificial Intelligence: A Modern Approach (AIMA). 4th ed. Pearson, 2020. * HASTIE, Trevor; TIBSHIRANI, Robert; FRIEDMAN, Jerome. The elements of statistical learning: data mining, inference, and prediction. Springer Science & Business Media, 2009. URL: http://www-stat.stanford.edu/~hastie/Papers/ESLII.pdf * Géron, Aurélien. Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow. 3rd ed. O'Reilly, 2024. * Zhang, Aston, Lipton, Zachary C., and Smola, Alexander J. Dive into Deep Learning. Cambridge University Press. https://d2l.ai * Haykin, Simon. Neural Networks and Learning Machines. 3rd ed. Pearson, 2008. * BISHOP, C. M.Pattern Recognition and Machine Learning Christopher, Springer New York, 2007 * RAUBER, T. W. Inteligência Numérica, Aprendizagem de Máquina — Redes Neurais — Inteligência Artificial, A ser publicado em 2026,: Pasta da disciplina no Drive