rodrigoberriel / aprendizado-de-maquina-2017-1

Trabalhos de Aprendizado de Máquina (UFES - 2017/1) - Professor: Dr. Patrick Marques Ciarelli

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

Aprendizado de Máquina - 2017/1

Professor: Dr. Patrick Marques Ciarelli

Esse repositório será usado para armazenar os códigos-fontes e relatórios das listas de exercícios da disciplina. Os códigos foram testados tanto no Linux (Ubuntu 14.04 e 16.04) quanto no Windows 10. Para rodar os scripts dos exercícios, é necessário ter Python 2.7 ou Python 3.x e algumas dependências. Para instalar as dependências, basta rodar o comando abaixo na raiz do repositório:

$ pip install -r requirements.txt

Para rodar um exercício de qualquer lista, basta exercutar o comando abaixo, onde $i é o número da lista e $j é o número do exercício:

$ python run.py --lista=$i --exercicio=$j
$ python run.py --lista=1 --exercicio=2  # exemplo: esse comando executa o exercício 2 da lista 1

Ou então, se preferir, você pode executar o script do exercício diretamente. Por exemplo:

$ cd lista{$i}/scripts
$ python exercicio{$j}.py

Alguns exercícios fazem uso de bases de dados disponíveis publicamente. Para evitar conflitos com licenças, essas bases de dados serão baixadas automaticamente nas questões em que forem usadas. Por padrão, essas bases de dados serão baixadas para a pasta data da lista do exercício. As seguintes bases de dados foram usadas nas listas:

Durante a execução dos exercícios, os gráficos exibidos nos relatórios de cada lista serão exibidos e salvos na pasta output da lista correspondente (os gráficos gerados por mim já se encontram na pasta output, para que seja possível compilar os relatórios). O código-fonte (em LaTeX) dos relatórios se encontra na pasta report de cada lista. Para garantir a reprodutibilidade dos resultados e gráficos, foi usado como seed o valor 2017 definido no arquivo lista{$i}/scripts/constants.py.

About

Trabalhos de Aprendizado de Máquina (UFES - 2017/1) - Professor: Dr. Patrick Marques Ciarelli


Languages

Language:TeX 53.1%Language:Python 46.9%