- 7N Segundas-feiras da 19:20h às 21:00h + Atividades EAD
- 7G Quartas-feiras da 7:30h às 9:10h + Atividades EAD
Acesse aqui os planos de ensino e aulas
1 Introdução à Inteligência Artificial: conceito, história e paradigmas
Atividade: Formação dos grupos e apresentação das propostas iniciais de projeto
2 Python básico para o Aprendizado de Máquina
Python_Cheat_Sheet pdf | Python_Cheat_Sheet Notebook | (Complementar) Exercícios Resolvidos
Exercícios I Responda ao questionário no Moodle
Exercícios II Responda ao questionário no Moodle
4 Aprendizado Supervisionado e Regressão Linear
5 Classificação: Regressão Logística
Lab Caso: Origem dos veículos Neste Lab empregue 30% de dados de teste.
6 Métricas de Classificação e K-Vizinhos mais Próximos
Lab Caso: Seguros e Diagnóstico de Tumores Para o exercício do Moodle não empregue conjuntos de treinamento e teste, mas você deve desenvolver isso durante a aula!
10 Redes Neurais
Lab MLP scikit-learn exemplo na aula anterior!
Lab Keras TensorFlow próxima semana!
12 Deep Learning (Exercícios)
13 Kmédias Primeira parte do eBook
14 Clusterização Hierárquica Segunda parte do eBook
Projeto N2, Todas as Turmas, em grupo, entrega por um único aluno no Moodle em 24.11
-
Avaliação Intermediária I | 7N 26/09 | 7G 28/09 |
-
Avaliação Intermediária II | 7N 21/11 | 7G 23/11 |
-
Substitutiva | 7N 05/12 | 7G 07/12 |
-
Avaliação Final | 7N 12/12 | 7G 14/12 |
-
N1 = .6 Atividade Avaliativa 1 + .4 Atividades 1
-
N2 = .6 Atividade Avaliativa 2 + .4 Atividades 2
-
MI = .5 MI1 + .5 MI2 + partic Avalia (=até 0.5) + partic Aulas (=até 0.5)
Conforme Regulamento Acadêmico Vigente
Martin Zinkevich. (2019) Rules of Machine Learning: Best Practices for ML Engineering
Visualizacao de Dados em Python
Armando Teixeira-Pinto & Jaroslaw Harezlak, Machine Learning for Biostatistics
Resampling(advançado)