orivaldosantana / curso_ml_pratico

Machine Learning

Introdução ao Aprendizado de Máquina na Prática

Curso introdutório

Menu

• Referências Bibliográficas
• Referências de Cursos Online
• Outras Referências
• Visão Geral da Área
• Cronograma
• Material de Aula

Ferramenta de Apoio

Python

• Fundamentos de Linguagem Python Para Análise de Dados e Data Science

Problemas Norteadores

Os problemas abaixo servem de base para a introdução de conceitos de aprendizado de máquina.

1. Classificação de dígitos escritos a mão
2. Classificação de Flor de Íris
3. Predição de compra ou não de um produto
4. Prever o lucro de uma startup ?
5. Reconhecimento de dígitos escritos a mão
6. Perfil de clientes de uma loja
7. Análise de perfil de estudantes
8. Reconhecimento de faces
9. Sistema de perguntas e respostas

Material de Aula

Introdução ao Aprendizado de Máquina

• Clique aqui.

Classificação e Regressão

Multilayer Perceptron (MLP)

• Clique aqui.

Suport Vector Machine (SVM)

• Clique aqui.

Árvore de Decisão

• Clique aqui.

Regressão

• Clique aqui.

Deep Learning

• Clique aqui.

Agrumapamento

K-Means

• Clique aqui.

Rede SOM

• Clique aqui.

Modelos para Texto

Processamento de Linguagem Natural (NLP)

• Clique aqui.

Avaliações

Um relatório e um projeto final.

Trabalho Final

Escolha de um problema relacionado ao trabalho do estudante ou área de interesse. Site para obter bases de dados: https://www.kaggle.com/

Bibliografia Básica

• PROVOST, Foster & FAWCETT, Tom. Data science para negócios: O que você precisa saber sobre mineração de dados e pensamento analítico de dados. Alta Books, 2016.
• VANDERPLAS, Jake. Python data science handbook: Essential tools for working with data. " O'Reilly Media, Inc.", 2016.
• MÜLLER, Andreas C.; GUIDO, Sarah. Introduction to machine learning with Python: a guide for data scientists. " O'Reilly Media, Inc.", 2016.
• GÉRON; Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems. O’REILLY, 2017.
• MITCHELL; Machine Learning, Publisher: McGraw-Hill Science/Engineering/Math, 1997.
• NEGNEVITSKY; Artificial Intelligence: A Guide to Intelligent Systems, Second Edition, Publisher Addison Wesley.
• HAYKIN; Neural Networks and Learning Machines (3rd Edition), Publisher: Pearson.
• JOSHI; Artificial Intelligence with Python, Packt Publisher, 2017.
• BISHOP; Pattern Recognition and Machine Learning, Springer, 2006.
• RUSSELL, STUART; NORVIG, PETER; Inteligência Artificial, 3. edição, Prentice Hall.
• BRAGA; CARVALHO; e LUDERMIR; Redes neurais artificiais: teoria e aplicações, 2007