Programa Resumido: Conceitos, hipóteses, tipos de aprendizado, complexidade, erro e ruído. Algoritmos de aprendizado e complexidade do espaço de hipóteses. Avaliação de classificadores por treinamento, validação e teste. Modelos lineares, redes neurais e máquinas de vetores de suporte. Regularização e transformações não lineares (métodos de kernel e função de base radial). Navalha de Occam, viés de amostragem, análise exploratória de dados.
Utilizaremos o material da Caltech (https://work.caltech.edu/telecourse)
- Professor: Roberto Hirata Jr.
- Professor: Nina S. T. Hirata