Optativa 2019-1: Tópicos Especiais em Computação X

• Código: Tópicos Especiais em Computação X
• Professor: Denio Duarte
• NOME: Tópicos em Aprendizado de Máquina

EMENTA:

Introdução ao aprendizado de máquina. Aprendizado supervisionado e não supervisionado. Biblioteca scikit-learn (Python). Conjunto de dados: pré-tratamento, seleção de atributos. Modelagem probabilística de tópicos (biblioteca Gensim).

OBJETIVO

Este componente curricular tem como objetivo de introduzir os acadêmicos na área de análise de dados através de técnicas de aprendizado de máquina considerando dados rotulados (aprendizado supervisionado) e não rotulado (não supervisionados).

REFERÊNCIAS BÁSICAS

• MEIRA Jr, W., ZAKI, M. J. Data Mining and Analysis: Fundamental Concepts and
• Algorithms. New York. Cambridge University Press, 2014.
• MITCHELL, T. Machine Learning. New York, McGraw-Hill Press, 1997

REFERÊNCIAS COMPLEMENTARES

• MICHALSKI, R. S., BRATKO, I., KUBAT, M. Machine Learning and Data Mining. Chichester, John Wiley & Sons Ltd, 1998.
• DUARTE, D., STÅHL, N. Machine learning: a concise overview. In: Data Science in Practice. [S.l.]: Springer, 2019. p. 27–58.
• TAN, P.-N., STEINBACH, M., KUMAR, V. Introduction to Data Mining. New York, Addison-Wesley, 2006.
• BLEI, D. M. Probabilistic Topic Models. Communications of ACM. Vol. 55 Nro 4, 2012 STEYVERS, M., GRIFFITHS, T. Probabilistic Topic Models. In: In T. Landauer, D McNamara, S. Dennis, and W. Kintsch (eds), Latent Semantic Analysis: A Road to Meaning. Laurence Erlbaum, 2007.