Portal do Ementário

O objetivo da disciplina de Aprendizado de Máquina Estatístico é fornecer aos alunos uma compreensão aprofundada dos métodos e algoritmos estatísticos utilizados para a construção de   modelos de aprendizado de máquina. O foco está em aprender como utilizar técnicas estatísticas para extrair informações e conhecimentos a partir de dados, a fim de tomar decisões ou fazer previsões precisas.

Introdução: Tipos de aprendizado; Atributos (features); Modelos lineares: Regressão ridge, Lasso, Elastic Net, regressão SVM (Support vector machines); Métodos de Classificação: Naive Bayes, Árvores de decisão, Florestas aleatórias, Máquinas de Vetores de Suporte (SVM), Avaliação de desempenho de modelos de classificação; Métodos de Regressão Não-Linear:  Regressão polinomial, Splines, K-Nearest Neighbors (K-NN), Redes Neurais Artificiais, Avaliação de desempenho de modelos de regressão não linear; Avaliação e Seleção de Modelos; Análise de agrupamentos; Aplicações.

KUHN, M.; JHONSON, K. Applied predictive modeling. New York, N.Y.: Springer, 2013. 600 p. IZBICKI, R. & MENDOÇA, T. (2020) Aprendizado de máquina: uma abordagem estatística. 1a Ed. Disponível em http://www.rizbicki.ufscar.br/ame/. 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. BISHOP, C. Pattern Recognition and Machine Learning. Springer. 2011. HASTIE, T.; TIBSHIRANI, R.; WAINWRIGHT Statistical learning with sparsity: The lasso and generalizations. Florida: CRC Press, 2015. 367 p.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.