francisco ferreira barbosa filho

FIS - DEPARTAMENTO DE FÍSICA/CCN

PPGCC010 - APRENDIZAGEM DE MÁQUINA - Turma: 01 (2015.2)

Tópicos Aulas
Introdução da Disciplina (25/08/2015 - 25/08/2015)
Aprendizagem de Máquina (27/08/2015 - 27/08/2015)
Aprendizagem Supervisionada (01/09/2015 - 01/09/2015)
Aprendizagem Supervisionada - Árvores de Decisão (03/09/2015 - 15/09/2015)
    
Inicia em 25/09/2015 às 0h 0 e finaliza em 25/09/2015 às 23h 59
   Árvores de Decisão - Algoritmo ID3 
Apresentação 1o. Trabalho (17/09/2015 - 17/09/2015)
Meta Heurísticas (22/09/2015 - 22/09/2015)
Colônia de formigas (24/09/2015 - 01/10/2015)
    
Inicia em 25/09/2015 às 0h 0 e finaliza em 06/10/2015 às 23h 59
Apresentação 2o. Trabalho (06/10/2015 - 06/10/2015)
Aprendizagem Não Supervionada (08/10/2015 - 05/11/2015)
Frequências da Turma
# Matrícula AGO SET OUT NOV DEZ Total
25 27 01 03 08 10 15 17 22 27 29 03 05 10 12 17 19 24 26 01
1 2015100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
2 2015100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
3 2015100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
4 2015100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Notas da Turma
# Matrícula Unid. 1 Prova Final Resultado Faltas Situação
1 2015100**** 10,0 10.0 0 AM
2 2015100**** 10,0 10.0 0 AM
3 2015100**** 10,0 10.0 0 AM
4 2015100**** 10,0 10.0 0 AM

Nenhum item foi encontrado

Plano de Curso

Nesta página é possível visualizar o plano de curso definido pelo docente para esta turma.

Dados da Disciplina
Ementa: Introdução, Extração de Características, Aprendizagem por Reforço, Aprendizagem de Conceito, Árvores de Decisão, Aprendizagem Baseadas em Instâncias, Aprendizagem Bayesiana, Redes Neurais, Aprendizagem Não-Supervisionada, Algoritmos Genéticos.
Objetivos:
Metodologia de Ensino e Avaliação
Metodologia: Aulas Expositivas sobre os algoritmos de aprendizagem de máquina.
Trabalhos práticos de implementação dos Algoritmos estudados.
Procedimentos de Avaliação da Aprendizagem: A cada apresentação de um algoritmo, será realizado um trabalho em duplas que consistirá da implementação e apresentação de tais algoritmos, acompanhado de um relatório técnico.
Horário de atendimento:
Bibliografia: - Machine Learning, T. Mitchell, 1997, McGraw-Hill.
- Alpaydin, E., Introduction to Machine Learning, Second Edition (Adaptive Computation and Machine Learning), 2010, MIT Press.
- Haykin, S.; ?Redes neurais, princípios e prática?; 2a. ed.; Bookmann; Porto Alegre, RS; 2004.
- R. Sutton and A. G. Barto. Reinforcement Learning: An Introduction. MIT Press, Cambridge, 1998.
- Duda, R.O.; Hart, P.E. and Stork, D.G. Pattern Classification, 2nd Ed. Wiley-Interscience, 2000.
Cronograma de Aulas

Início

Fim

 Descrição
25/08/2015
25/08/2015
Introdução da Disciplina
27/08/2015
27/08/2015
Aprendizagem de Máquina
01/09/2015
01/09/2015
Aprendizagem Supervisionada
03/09/2015
15/09/2015
Aprendizagem Supervisionada - Árvores de Decisão
17/09/2015
17/09/2015
Apresentação 1o. Trabalho
22/09/2015
22/09/2015
Meta Heurísticas
24/09/2015
01/10/2015
Colônia de formigas
06/10/2015
06/10/2015
Apresentação 2o. Trabalho
08/10/2015
05/11/2015
Aprendizagem Não Supervionada
Avaliações
Data Descrição
17/09/2015 1ª Avaliação
: Referência consta na biblioteca
Referências Básicas
Tipo de material Descrição
Referências Complementares
Tipo de material Descrição
Notícias da Turma
: Visualizar

Título

Data
Checkpoint 2o. Trabalho 09/12/2015
Trabalho ID3 11/11/2015
Estudo Experimental - Conclusão 05/11/2015
Estudo Experimental 25/10/2015
Aula 01/09 30/08/2015

SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | sigjb04.ufpi.br.instancia1 vSIGAA_3.12.1156 04/11/2024 17:02