-

PPGCC010 - APRENDIZAGEM DE MÁQUINA - Turma: 01 (2023.2)

Tópicos Aulas
Introdução a Disciplina (19/09/2023 - 03/10/2023)
Preparação de Dados (05/10/2023 - 05/10/2023)
   Slides - Preparação de Dados 
Avaliação de Classificadores (07/11/2023 - 07/11/2023)
Bases de Dados para o Trabalho (28/11/2023 - 28/11/2023)

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. Diabetes: https://www.kaggle.com/datasets/uciml/pima-indians-diabetes-database

4. Emprestimo (Loiola):https://www.kaggle.com/datasets/architsharma01/loan-approval-prediction-dataset

5. Titanic: https://www.kaggle.com/c/titanic

6. Black Friday: https://www.kaggle.com/datasets/prepinstaprime/black-friday-sales-data

7. Bandeiras: https://archive.ics.uci.edu/dataset/40/flags

Apresentações Trabalhos - Árvore de Decisão (07/12/2023 - 07/12/2023)

Aplicar o algortimo de Árvore de decisão nas base sorteada de acordo com a base sorteada:

  • Grupo 1:Sebastião (Câncer de Mama)
  • Grupo 2: Danilo, Marcelo (Senso)
  • Grupo 3: Ana Paula, Bruno (Diabetes)
  • Grupo 4: Wellington, Robert (Empréstimo)
  • Grupo 5: Joelson, Geraldo (Titanic)
  • Grupo 6: Rodrigo (Black-Friday)
  • Grupo 7: Pedro (Bandeiras)

Deverá ser enviado o relatório com o resultado e apresentado em sala de aula.

    
Inicia em 02/12/2023 às 0h 0 e finaliza em 07/12/2023 às 23h 59
Apresentações Trabalhos - Random Forest (21/12/2023 - 21/12/2023)

Aplicar o algortimo Randon Forest nas base sorteadas para cada equipe:

  • Grupo 1:Sebastião (Câncer de Mama)
  • Grupo 2: Danilo, Marcelo (Senso)
  • Grupo 3: Ana Paula, Bruno (Diabetes)
  • Grupo 4: Wellington, Robert (Empréstimo)
  • Grupo 5: Joelson, Geraldo (Titanic)
  • Grupo 6: Rodrigo (Black-Friday)
  • Grupo 7: Pedro (Bandeiras)

Deverá ser enviado o relatório com o resultado e apresentado em sala de aula.

    
Inicia em 11/12/2023 às 0h 0 e finaliza em 14/12/2023 às 23h 59
Apresentações Trabalhos - Redes Neurais (21/12/2023 - 21/12/2023)

Aplicar o algortimo Redes Neurais nas base sorteadas para cada equipe:

  • Grupo 1:Sebastião, Anchieta (Bandeiras)
  • Grupo 2: Danilo, Marcelo (Titanic)
  • Grupo 3: Ana Paula, Bruno (Empréstimos)
  • Grupo 4: Wellington, Robert (Diabetes)
  • Grupo 5: Joelson, Geraldo (Senso)
  • Grupo 6: Rodrigo (Câncer de Mama)
  • Grupo 7: Pedro, Moiséis (Black-Friday)

Deverá ser enviado o relatório com o resultado e apresentado em sala de aula.

    
Inicia em 14/12/2023 às 0h 0 e finaliza em 21/12/2023 às 23h 59
Apresentações de Trabalhos - Kmeans (09/01/2024 - 09/01/2024)

Aplicar o algortimo Kmeans nas base sorteadas para cada equipe:

  • Grupo 1:Sebastião, Anchieta (Bandeiras)
  • Grupo 2: Danilo, Marcelo (Titanic)
  • Grupo 3: Ana Paula, Bruno (Empréstimos)
  • Grupo 4: Wellington, Robert (Diabetes)
  • Grupo 5: Joelson, Geraldo (Senso)
  • Grupo 6: Rodrigo (Câncer de Mama)
  • Grupo 7: Pedro, Moiséis (Black-Friday)

Deverá ser enviado o relatório com o resultado e apresentado em sala de aula.

    
Inicia em 06/01/2024 às 0h 0 e finaliza em 10/01/2024 às 23h 59
Apresentações Trabalhos - Agrupamento Hierárquico (16/01/2024 - 16/01/2024)

Aplicar qualquer algoritmos de agrupamento hieraráquico nas base sorteadas para cada equipe:

  • Grupo 1:Sebastião, Anchieta (Bandeiras)
  • Grupo 2: Danilo, Marcelo (Titanic)
  • Grupo 3: Ana Paula, Bruno (Empréstimos)
  • Grupo 4: Wellington, Robert (Diabetes)
  • Grupo 5: Joelson, Geraldo (Senso)
  • Grupo 6: Rodrigo (Câncer de Mama)
  • Grupo 7: Pedro, Moiséis (Black-Friday)

Deverá ser enviado o relatório com o resultado e apresentado em sala de aula.

https://scikit-learn.org/stable/modules/clustering.html#hierarchical-clustering

    
Inicia em 09/01/2024 às 0h 0 e finaliza em 16/01/2024 às 23h 59
Frequências da Turma
# Matrícula SET OUT NOV DEZ JAN Total
21 26 28 03 05 10 17 24 26 31 07 09 14 16 21 23 28 30 05 07 12 14 19 21 28 04 09 11 16 18
1 2023100**** 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 2023100**** 0 0 0 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 2
3 2023101**** 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
4 2023100**** 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
5 2023101**** 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 2023101**** 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 2023100**** 0 0 0 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 2
8 2023100**** 0 0 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 2
9 2023101**** 0 0 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 2
10 2023101**** 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 2023100**** 0 0 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 2
Notas da Turma
# Matrícula Unid. 1 Prova Final Resultado Faltas Situação
1 2023100**** 9,2 9.2 2 AM
2 2023101**** 9,6 9.6 0 AM
3 2023101**** 4,2 4.2 2 RN
4 2023100**** 9,2 9.2 2 AM
5 2023100**** 9,4 9.4 2 AM
6 2023101**** 9,4 9.4 0 AM
7 2023101**** 9,0 9.0 0 AM
8 2023100**** 9,6 9.6 0 AM
9 2023101**** 9,0 9.0 0 AM
10 2023100**** 9,6 9.6 2 AM
11 2023100**** 9,6 9.6 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 do assunto: 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.
Procedimentos de Avaliação da Aprendizagem: Trabalho sobre o aplicações de aprendizagem de máquina
Horário de atendimento: A definir
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
19/09/2023
19/09/2023
Apresentações Trabalhos - RandomTree
19/09/2023
19/09/2023
Processamento de Linguagem Natural
19/09/2023
18/01/2024
Conteúdo
19/09/2023
03/10/2023
Introdução a Disciplina
19/09/2023
19/09/2023
Algortimos de Árvore de Decisão
19/09/2023
19/09/2023
Redes Neurais
19/09/2023
19/09/2023
Aprendizagem de Máquina Não supervisionada - K-Means
05/10/2023
05/10/2023
Preparação de Dados
07/11/2023
07/11/2023
Avaliação de Classificadores
28/11/2023
28/11/2023
Bases de Dados para o Trabalho
07/12/2023
07/12/2023
Apresentações Trabalhos - Árvore de Decisão
21/12/2023
21/12/2023
Apresentações Trabalhos - Redes Neurais
21/12/2023
21/12/2023
Apresentações Trabalhos - Random Forest
09/01/2024
09/01/2024
Apresentações de Trabalhos - Kmeans
16/01/2024
16/01/2024
Apresentações Trabalhos - Agrupamento Hierárquico
Avaliações
Data Descrição
05/12/2023 1ª Avaliação
: Referência consta na biblioteca
Referências Básicas
Tipo de material Descrição
Referências Complementares
Tipo de material Descrição
Notícias da Turma
: Visualizar

Título

Data
4o Trabalho - Kmeans 06/01/2024
1o. Trabalho Árvore de Decisão 02/12/2023
Inicio das Aulas 20/09/2023

SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | sigjb06.ufpi.br.instancia1 vSIGAA_3.12.1088 22/07/2024 11:28