-

PPGCC010 - APRENDIZAGEM DE MÁQUINA - Turma: 01 (2016.2)

Tópicos Aulas
WEKA (13/09/2016 - 13/09/2016)
   Slides WEKA 
Base de Dados (15/09/2016 - 15/09/2016)

1. Câncer de Mama: https://archive.ics.uci.edu/ml/datasets/Breast+Cancer+Wisconsin+%28Original%29

2. Senso: https://archive.ics.uci.edu/ml/datasets/Census+Income

3. Identificação de Vidros: https://archive.ics.uci.edu/ml/datasets/Glass+Identification

4. Bandeiras: https://archive.ics.uci.edu/ml/datasets/Flags

5. Plantas: https://archive.ics.uci.edu/ml/datasets/Plants


1. Análise de vinhos: http://archive.ics.uci.edu/ml/datasets/Wine

2. Qualidade do Ar: http://archive.ics.uci.edu/ml/datasets/Air+Quality

3. Uso de Smartfones: http://archive.ics.uci.edu/ml/datasets/Human+Activity+Recognition+Using+Smartphones

4. Doenças do coração: http://archive.ics.uci.edu/ml/datasets/Heart+Disease

5. Incêndios: http://archive.ics.uci.edu/ml/datasets/Forest+Fires

6. Marketing de Bancos: https://archive.ics.uci.edu/ml/datasets/Bank+Marketing
Algoritmo J48 (20/09/2016 - 22/09/2016)
    
Inicia em 15/09/2016 às 0h 0 e finaliza em 22/09/2016 às 23h 59
Avaliação de Classificadores (22/09/2016 - 22/09/2016)
Algoritmo k-means (29/09/2016 - 29/09/2016)
    
Inicia em 29/09/2016 às 0h 0 e finaliza em 30/09/2016 às 23h 59
Redes Neurais (04/10/2016 - 06/10/2016)
    
Inicia em 06/10/2016 às 0h 0 e finaliza em 11/10/2016 às 23h 59
COBWEB (11/10/2016 - 18/10/2016)
    
Inicia em 13/10/2016 às 0h 0 e finaliza em 20/10/2016 às 23h 59
Naive Bayes (20/10/2016 - 27/10/2016)
    
Inicia em 20/10/2016 às 0h 0 e finaliza em 01/11/2016 às 23h 59
Expectation–maximization (01/11/2016 - 08/11/2016)
    
Inicia em 01/11/2016 às 0h 0 e finaliza em 11/11/2016 às 23h 59
Auto-WEKA (22/11/2016 - 22/11/2016)

http://www.cs.ubc.ca/labs/beta/Projects/autoweka/

    
Inicia em 22/11/2016 às 0h 0 e finaliza em 02/12/2016 às 23h 59
Frequências da Turma
# Matrícula SET OUT NOV DEZ Total
01 06 08 13 15 20 22 27 29 04 06 11 13 18 20 25 27 01 03 08 10 17 22 24 29 01 06 08 13 15
1 2016100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
2 2016100**** 0 0 0 0 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2
3 2016100**** 0 0 0 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2
4 2016100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0 0 2
5 2016100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
6 2016100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
7 2016100**** 0 0 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2
8 2016100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0 0 2
9 2016100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
10 2016100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
11 2016100**** 0 0 0 0 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2
12 2016100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
13 2016100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
14 2016101**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
15 2016100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
16 2016100**** 0 0 0 0 0 0 0 0 0 0 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 2016100**** 10,0 10.0 2 AM
2 2016100**** 9,9 9.9 0 AM
3 2016101**** 10,0 10.0 0 AM
4 2016100**** 9,9 9.9 2 AM
5 2016100**** 9,9 9.9 0 AM
6 2016100**** 10,0 10.0 0 AM
7 2016100**** 8,6 8.6 2 AM
8 2016100**** 8,6 8.6 0 AM
9 2016100**** 9,9 9.9 0 AM
10 2016100**** 9,9 9.9 2 AM
11 2016100**** 9,9 9.9 2 AM
12 2016100**** 9,9 9.9 0 AM
13 2016100**** 9,9 9.9 2 AM
14 2016100**** 8,6 8.6 0 AM
15 2016100**** 9,9 9.9 0 AM
16 2016100**** 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
13/09/2016
13/09/2016
WEKA
15/09/2016
15/09/2016
Base de Dados
20/09/2016
22/09/2016
Algoritmo J48
22/09/2016
22/09/2016
Avaliação de Classificadores
29/09/2016
29/09/2016
Algoritmo k-means
04/10/2016
06/10/2016
Redes Neurais
11/10/2016
18/10/2016
COBWEB
20/10/2016
27/10/2016
Naive Bayes
01/11/2016
08/11/2016
Expectation–maximization
22/11/2016
22/11/2016
Auto-WEKA
Avaliações
Data Descrição
: Referência consta na biblioteca
Referências Básicas
Tipo de material Descrição
Referências Complementares
Tipo de material Descrição
Notícias da Turma
: Visualizar

Título

Data
Tarefa - redes neurais 10/10/2016
Inicio das Aulas 29/08/2016

SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | sigjb06.ufpi.br.instancia1 vSIGAA_3.12.1070 20/04/2024 04:36