Algarve. A2 Aprendizagem Automática ML Machine Learning 7/15/2013
|
|
- Sabrina Varejão Beretta
- 5 Há anos
- Visualizações:
Transcrição
1 Preparado para o curso de pós-graduação em Ciências da Computação da Universidade Federal do Ceará, Fortaleza, Brasil A2 Aprendizagem Automática ML Machine Learning Julho e Agosto de 2013 José Valente de Oliveira jvo@ualg.pt 1 Algarve From: 2 1
2 Algarve, Faro From: 3 Ualg, Universidade do Algarve From: 4 2
3 About UAlg Established in 1979 Student population around faculty members; 452 technical and administrative staff Three faculties: Faculty of Economics; Faculty of Human and Social Sciences; Faculty of Sciences and Technology. four schools: School of Education and Communication; School of Management, Hospitality and Tourism; Engineering Institute; Faro School of Health and one Dept. of Biomedical Sciences and Medicine 143 degree programs 7/15/ w3.ualg.pt/~jvo/ml Todos os detalhes na tutoria electrónica. 3
4 O que é a Aprendizagem Automática? SPAM 4
5 À procura de uma definição Aprendizagem é o processo em que o sistema melhora o seu desempenho com base na sua experiência (Herbert Simon). Aprender significa realizar mudanças úteis no modo de funcionar da nossa mente (Minsky) 15-Jul À procura de uma definição Aprendizagem Máquina é o campo de estudo que permite aos computadores aprenderem sem terem de ser explicitamente programados (A. Samuel, 1959). 15-Jul
6 À procura de uma definição Um programa aprende a partir da experiencia E relativamente a alguma classe de tarefas T e medida de desempenho P, se o seu desempenho na tarefa T, medido por P, melhora com a experiência E. (Mitchell, 1997) 15-Jul Exemplo 1 T: Jogar damas P: Percentagem de jogos ganhos contra adversários E: Praticar jogando consigo próprio 15-Jul
7 Exemplo 2 T: Reconhecer dígitos manuscritos P: Percentagem de dígitos corretamente classificados E: Base de dados com imagens rotuladas de dígitos manuscritos. 15-Jul Exemplo 3 T: Classificação de mensagens de como spam (ou legítimas) SPAM P: Percentagem de s classificados corretamente. E: Base de dados de s, alguns previamente classificados como spam. 15-Jul
8 Exemplo 4 T: Conduzir em autoestrada usando câmaras de video P: Distância média percorrida antes de ser assinalado um erro E: Uma sequência de imagens e comandos de direção observados de um condutor humano. 15-Jul Por que é importante a Aprendizagem? O ambiente varia no tempo. Novo conhecimento está sendo constantemente descoberto tornando difícil o redesenho de sistemas à mão. A quantidade de conhecimento disponível sobre certas tarefas é demasiado para ser explicitamente codificado (e.g., diagnóstico médico) 8
9 Por que é importante a Aprendizagem? Algumas tarefas não podem ser bem especificadas a não ser por exemplos (e.g., reconhecimento de pessoas). Os relacionamentos e correlações podem estar escondidos em grandes volumes de dados e a aprendizagem poderá ser capaz de descobrir essas relações. Variantes Entradas Pares Atributo/valor: numéricos, texto, etc Saída Numérico, simbólico, gráfico Tipo de aprendizagem Deductivo, inductivo Tarefa Classificação, regressão Tipo de feedback Supervisionado, por reforço, não supervisionado 15-Jul
10 Variantes: aprendizagem supervionsada Regressão: Previsão de valores contínuos (preço) Preço ($$) Cilindrada (cc) Variantes: aprendizagem supervionsada 1(Sim) Classificação: Saída de valores discretos (0 ou 1) Maligno? 0(Não) Tamanho do tumor 10
11 Variantes: aprendizagem não supervisionada x 2 x 1 Variantes: aprendizagem não supervisionada Segmentação do mercado Análise de redes sociais Análise de dados astronómicos 11
12 Variantes: representação Funções numéricas Regressão linear, Redes neuronais Máquinas de vectores de suporte Modelos gráficos probabilisticos Redes Bayesianas Modelos de Markvoc Funções simbólicas Regras em lógica proposicional Regras em lógica de primeira-ordem Metáforas Metaphors Computacional Conexionist Biological 15-Jul
13 Economics Computer science Machine learning Animal learning (Cognitive science, Psychology, Neuroscience) Evolution Statistics Adaptive Control Theory and Robotics Aprendizagem Automática e a Computação ML já é a abordagem preferida em: Reconhecimento de fala e processamento de linguagem natural Visão por computador Análise de dados médicos Controlo robótico ML apps. Todo o software O nicho ML tem vindo a crescer devido Algoritmos cada vez melhores Aumento da disponibilidade de dados Software demasiado complexo para ser escrito manualmente Exigência do usário por customização 26 13
14 Objetivos gerais da disciplina Em traços gerais, a Aprendizagem Automática visa dotar programas com a capacidade de melhorar o seu desempenho usando sua experiência (e.g., pilotos autónomos, reconhecedores de fala ou escrita, vídeo games, filtros de spam). Esta disciplina cobre algoritmos e alguns aspetos teóricos e práticos para implementação de Aprendizado Automático. A disciplina é claramente interdisciplinar e inclui tópicos como técnicas Bayesianas, redes neurais, máquinas de vetores de suporte, métodos de aprendizagem estatística e aprendizagem não supervisionada. No fim desta disciplina os estudantes deverão ser capazes de aplicar técnicas adequadas de Aprendizado Automático no desenvolvimento de programas que encontram soluções para instâncias de problemas reais. Tópicos programáticos Introdução Aprendizagem indutiva, regressão linear e logística Regularização Abordagem conexionista: Redes Neurais Máquinas de Vetores de Suporte (SVM) Combinação de classificadores Técnicas Bayesianas Modelos gráficos Deteção de Anomalias Sistemas de recomendação Abordagem biológica: Algoritmos genéticos e evolutivos 14
15 Bibliografia recomendada Recommended bibliography [Referência principal] Christopher Bishop, Pattern Recognition and Machine Learning, Springer, 2006 [Referência complementar] Ethem Alpaydin, Introduction to Machine Learning. MIT Press, 2010 Recursos adicionais disponíves em
16 Avaliação Nota final corresponde à média ponderada da nota de um conjunto de problemas que serão realizados ao longo da disciplina. Arredondamentos só na nota final. Os problemas incluem a realização de trabalhos práticos, opcionais. Os trabalhos práticos são realizados em grupo de, no máximo, 3 (três) estudantes Sumário Introdução à Aprendizagem Automática : aplicações, definições, variantes, breve referência ao Estado da Arte Objetivos pedagógicos da disciplina Conteúdos programáticos Bibliografia recomendada Avaliação Recursos online 16
6. QUADRIMESTRE IDEAL 7. NÍVEL Graduação 8. Nº. MÁXIMO DE ALUNOS POR TURMA
Universidade Federal do ABC Rua Santa Adélia, 166 - Bairro Bangu - Santo André - SP - Brasil CEP 09.210-170 - Telefone/Fax: +55 11 4996-3166 1. CÓDIGO E NOME DA DISCIPLINA MC5004 - APRENDIZADO DE MÁQUINA
Leia maisAprendizagem de máquina
Aprendizagem de máquina Introdução Objetivos Fornecer o ferramental necessário ao entendimento e ao projeto de sistemas baseados em aprendizagem. A disciplina cobre os principais tópicos da aprendizagem
Leia maisAprendizado de Máquina
Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCENS UFES Departamento de Computação Aprendizado de Máquina Inteligência Artificial Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com
Leia maisInteligência Artificial
Universidade Federal de Campina Grande Departamento de Sistemas e Computação Pós-Graduação em Ciência da Computação Inteligência Artificial Aprendizagem Outras Técnicas Prof. a Joseana Macêdo Fechine Régis
Leia maisEEL891 Aprendizado de Máquina Prof. Heraldo L. S. Almeida. Introdução
1 Introdução 1. Introdução 1.1. O que é Aprendizado de Máquina? 1.2. Por que Machine Learning é o Futuro? 1.3. Algumas Aplicações 1.4. Tipos de Aprendizado 1. Introdução 17 1. Introdução 1.1. O que é Aprendizado
Leia maisIntrodução a Sistemas Inteligentes
Introdução a Sistemas Inteligentes Conceituação Prof. Ricardo J. G. B. Campello ICMC / USP Créditos Parte do material a seguir consiste de adaptações e extensões dos originais gentilmente cedidos pelo
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Alessandro L. Koerich Programa de Pós-Graduação em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Horários Aulas Sala 3 CCET [quinta-feira, 8:20 12:00] Atendimento
Leia maisAprendizagem de Máquina. Prof. Júlio Cesar Nievola PPGIA - PUCPR
Aprendizagem de Máquina Prof. Júlio Cesar Nievola PPGIA - PUCPR Introdução Justificativa Recente progresso em algoritmos e teoria Disponibilidade crescente de dados online Poder computacional disponível
Leia maisInformática Parte 19 Prof. Márcio Hunecke
Escriturário Informática Parte 19 Prof. Márcio Hunecke Informática NOÇÕES DE ALGORITMOS DE APRENDIZADO O aprendizado automático, aprendizado de máquina (em inglês: "machine learning") ou aprendizagem
Leia maisInformática. Aprendizado de Máquina. Professor Márcio Hunecke.
Informática Aprendizado de Máquina Professor Márcio Hunecke www.acasadoconcurseiro.com.br Informática Aula XX NOÇÕES DE ALGORITMOS DE APRENDIZADO O aprendizado automático, aprendizado de máquina (em inglês:
Leia maisTÓPICOS INTRODUÇÃO AO APRENDIZADO DE MÁQUINA INTELIGÊNCIA X APRENDIZADO INTELIGÊNCIA X APRENDIZADO APRENDIZADO DE MÁQUINA (AM) HUEI DIANA LEE
TÓPICOS Introdução INTRODUÇÃO AO APRENDIZADO DE MÁQUINA Paradigmas de de Máquina Estratégias de de Máquina por Indução Dedução x Indução Características HUEI DIANA LEE de Conceitos Sistema de de Máquina
Leia maisProfs.: Eduardo Vargas Ferreira Walmes Marques Zeviani
Universidade Federal do Paraná Laboratório de Estatística e Geoinformação - LEG Introdução Profs.: Eduardo Vargas Ferreira Walmes Marques Zeviani O que é Machine Learning? Estatística Machine Learning
Leia maisAprendizado de Máquina (Machine Learning)
Ciência da Computação (Machine Learning) Aula 01 Motivação, áreas de aplicação e fundamentos Max Pereira Nem todo conhecimento tem o mesmo valor. O que torna determinado conhecimento mais importante que
Leia maisAprendizagem de Máquina
Plano da Apresentação Aprendizagem de Máquina Alessandro L. Koerich 2007 Mestrado e Doutorado em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Professor & Experiência Acadêmica Horários
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Apresentação da Disciplina Alessandro L. Koerich 2008 Mestrado e Doutorado em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Mestrado/Doutorado em Informática Aprendizagem
Leia maisTópicos Especiais em Reconhecimento de Padrões [2COP329] Mestrado em Ciência da. Sylvio Barbon Jr
Tópicos Especiais em Reconhecimento de Padrões [2COP329] Mestrado em Ciência da Computação Sylvio Barbon Jr barbon@uel.br (2/20) Tema Aula 1 Introdução ao Reconhecimento de Padrões 1 Introdução 2 Referências
Leia maisInteligência Artificial
Universidade Federal de Campina Grande Departamento de Sistemas e Computação Pós-Graduação em Ciência da Computação Inteligência Artificial Aprendizagem (Redes Neurais - Complementar) Prof. a Joseana Macêdo
Leia maisAprendizagem de Máquina - 2. Prof. Júlio Cesar Nievola PPGIa - PUCPR
Aprendizagem de Máquina - 2 Prof. Júlio Cesar Nievola PPGIa - PUCPR Inteligência versus Aprendizado Aprendizado é a chave da superioridade da Inteligência Humana Para que uma máquina tenha Comportamento
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Aprendizagem de Máquina Segundo semestre de 2018 Francisco Carvalho e Cleber Zanchettin Universidade Federal de Pernambuco - UFPE Centro de Informtica - CIn Objetivos da disciplina
Leia maisAprendizado de Máquina
Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Aprendizado de Máquina Inteligência Artificial Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com
Leia maisAprendizado de Máquina
Aprendizado de Máquina Aula #8.1 EBS 564 IA Prof. Luiz Fernando S. Coletta luizfsc@tupa.unesp.br Campus de Tupã Conhecimento: abstração (modelo) das relações existentes entre as informações contidas nos
Leia maisIN Redes Neurais
IN0997 - Redes Neurais Aluizio Fausto Ribeiro Araújo Universidade Federal de Pernambuco Centro de Informática - CIn Departamento de Sistemas da Computação aluizioa@cin.ufpe.br Conteúdo Objetivos Quem usa
Leia maisAprendizado de Máquina
Aprendizado de Máquina O que é Aprendizado? Memorizar alguma coisa Aprender fatos por meio de observação e exploração Melhorar habilidades motoras/cognitivas por meio de prática Organizar novo conhecimento
Leia maisAprendizado de Máquina (Machine Learning)
Ciência da Computação Aprendizado de Máquina (Machine Learning) Aula 09 Árvores de Decisão Max Pereira Classificação É a tarefa de organizar objetos em uma entre diversas categorias pré-definidas. Exemplos
Leia maisMCZA Processamento de Linguagem Natural Classificação de textos
MCZA017-13 Processamento de Linguagem Natural Classificação de textos Prof. Jesús P. Mena-Chalco jesus.mena@ufabc.edu.br 1Q-2018 1 Bibliografia Daniel Jurafsky & James H. Martin. Speech and language processing:
Leia maisAprendizado de Máquina
Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Aprendizado de Máquina Inteligência Artificial Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com
Leia maisAprendizagem de Máquinas
Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Aprendizagem de Máquinas DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1 Aprendizagem de Máquinas
Leia maisInteligência Artificial. Josiane M. Pinheiro Ferreira Maio/2009
Inteligência Artificial Josiane M. Pinheiro Ferreira Maio/2009 Inteligência Artificial (IA) Estuda e tenta construir entidades inteligentes Durante milhares de anos procuramos entender como pensamos: Como
Leia maisMinicurso: Inteligência Artificial Aplicada a Sistemas Elétricos
Minicurso: Inteligência Artificial Aplicada a Sistemas Elétricos Introdução a Machine Learning: Teoria, Aplicações e IA na Arquitetura Intel Vitor Hugo Ferreira, DSc - UFF Flávio Mello, DSc UFRJ e Ai2Biz
Leia maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Aula 14 Support Vector Machines (SVM) 2016.1 Prof. Augusto Baffa Formas de Aprendizado Aprendizado Supervisionado Árvores de Decisão. K-Nearest
Leia maisClassificação de Padrões. Abordagem prática com Redes Neurais Artificiais
Classificação de Padrões Abordagem prática com Redes Neurais Artificiais Agenda Parte I - Introdução ao aprendizado de máquina Parte II - Teoria RNA Parte III - Prática RNA Parte IV - Lições aprendidas
Leia maisAprendizado de Máquina
Aprendizado de Máquina A necessidade de inserir aprendizado nas máquinas surgiu após a construção dos Sistemas Especialistas (SEs). Os primeiros SEs não possuíam mecanismo de aprendizado e tornavam-se
Leia maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Apresentação da Disciplina Edirlei Soares de Lima O que é Inteligência Artificial? Área de pesquisa que tem como objetivo buscar métodos ou dispositivos
Leia maisInteligência Artificial
Inteligência Artificial Apresentação da disciplina Conceitos básicos Prof. Paulo Martins Engel Informática UFRGS Prof. Paulo Martins Engel Objetivos Apresentar uma visão geral da Inteligência Artificial,
Leia maisMáquinas de suporte vetorial e sua aplicação na detecção de spam
e sua aplicação na detecção de spam Orientador: Paulo J. S. Silva (IME-USP) Universidade de São Paulo Instituto de Matemática e Estatística Departamento de Ciência da Computação MAC499 Trabalho de Formatura
Leia maisTécnicas de Inteligência Artificial
Universidade do Sul de Santa Catarina Ciência da Computação Técnicas de Inteligência Artificial Aula 01 Introdução, motivação e áreas de aplicação Prof. Max Pereira O futuro, das máquinas inteligentes,
Leia maisSEMINÁRIO DOS ARTIGOS:
SEMINÁRIO DOS ARTIGOS: Text Detection and Character Recognition in Scene Images with Unsupervised Feature Learning End-to-End Text Recognition with Convolutional Neural Networks Fernanda Maria Sirlene
Leia maisSobre o curso. Fabrício Olivetti de França. Universidade Federal do ABC
Sobre o curso Fabrício Olivetti de França Universidade Federal do ABC Tópicos 1. Sobre mim 2. Sobre a Disciplina 1 Sobre mim Sobre mim Formado em Engenharia Elétrica com ênfase em Computação pela Universidade
Leia maisVisão computacional. Juliana Patrícia Detroz Orientador: André Tavares Silva
Visão computacional Juliana Patrícia Detroz Orientador: André Tavares Silva Visão computacional Tentativa de replicar a habilidade humana da visão através da percepção e entendimento de uma imagem; Fazer
Leia maisINTELIGÊNCIA COMPUTACIONAL
Rafael D. Ribeiro, M.Sc. rafaeldiasribeiro@gmail.com http://www.rafaeldiasribeiro.com.br A Inteligência Computacional (IC), denominada originalmente de Inteligência Artificial (IA), é uma das ciências
Leia maisInteligência Artificial
Inteligência Artificial Prof. Rafael Stubs Parpinelli DCC / UDESC-Joinville parpinelli@joinville.udesc.br www.joinville.udesc.br/portal/professores/parpinelli Material de apoio: Stuart Russel, Peter Norvig.
Leia maisInteligência Artificial: Introdução
Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Inteligência Artificial: Introdução DCA0121 Inteligência Artificial Aplicada Daniel Enos / Heitor Medeiros
Leia maisINTELIGÊNCIA ARTIFICIAL
Figura: Capa do Livro Russell, S., Norvig, P. Artificial Intelligence A Modern Approach, Pearson, 2009. Universidade Federal de Campina Grande Unidade Acadêmica de Sistemas e Computação Curso de Pós-Graduação
Leia maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Aula 13 K-Nearest Neighbor (KNN) 2016.1 Prof. Augusto Baffa Formas de Aprendizado Aprendizado Supervisionado Árvores de Decisão. K-Nearest Neighbor
Leia maisFACULDADE CAMPO LIMPO PAULISTA (FACCAMP) COORDENADORIA DE EXTENSÃO E PESQUISA CURSO DE PÓS-GRADUAÇÃO LATO SENSU EM MINERAÇÃO E CIÊNCIA DOS DADOS
FACULDADE CAMPO LIMPO PAULISTA (FACCAMP) COORDENADORIA DE EXTENSÃO E PESQUISA CURSO DE PÓS-GRADUAÇÃO LATO SENSU EM MINERAÇÃO E CIÊNCIA DOS DADOS PROJETO PEDAGÓGICO CAMPO LIMPO PAULISTA 2015 1. Público
Leia maisFigura 4.2: Matriz Curricular
Figura 4.2: Matriz Curricular 3660 Fundamentos de Matemática e Estatística Física Eletrônica Algoritmos e Programação Arquitetura de Computadores Metodologias e Técnicas de Computação Engenharia e Sistemas
Leia maisAprendizado de Máquina
Aprendizado de Máquina Introdução Luiz Eduardo S. Oliveira Universidade Federal do Paraná Departamento de Informática http://lesoliveira.net Luiz S. Oliveira (UFPR) Aprendizado de Máquina 1 / 19 Introdução
Leia maisTécnicas de Inteligência Artificial
Universidade do Sul de Santa Catarina Ciência da Computação Técnicas de Inteligência Artificial Aula 01 Introdução, motivação e áreas de aplicação Prof. Max Pereira Neurônio de McCulloch-Pitts Warren
Leia maisAprendizado de Máquina para a Automação da Aquisicão de Conhecimento
Aprendizado de Máquina para a Automação da Aquisicão de Conhecimento Maria Carolina Monard mcmonard@icmc.usp.br Laboratório de Inteligência Artificial (LABIC) Instituto de Ciências Matemática e Computação
Leia maisPLANO DE ENSINO DA DISCIPLINA BLOCO I IDENTIFICAÇÃO
CURSO DE GRADUAÇÃO: SÉRIE: SEMESTRE LETIVO DO ANO: ( ) 1º SEMESTRE ( X ) 2º SEMESTRE ( ) 1º e 2º SEMESTRES ANO: PLANO DE ENSINO DA DISCIPLINA BLOCO I IDENTIFICAÇÃO Código da Disciplina: Nome da Disciplina:
Leia maisEnglish version at the end of this document
English version at the end of this document Ano Letivo 2016-17 Unidade Curricular PROGRAMAÇÃO ORIENTADA POR OBJETOS Cursos ENGENHARIA ELETRÓNICA E TELECOMUNICAÇÕES (Mestrado Integrado) ENGENHARIA INFORMÁTICA
Leia maisInteligência Artificial
Inteligência Artificial Professor Rafael Stubs Parpinelli E-mail: rafael.parpinelli@udesc.br udesc.academia.edu/rafaelstubsparpinelli www.researchgate.net/profile/rafael_parpinelli www.joinville.udesc.br/portal/professores/parpinelli/
Leia maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Apresentação da Disciplina Edirlei Soares de Lima O que é Inteligência Artificial? O que é Inteligência Artificial? Área de pesquisa que tem como
Leia maisEnglish version at the end of this document
English version at the end of this document Ano Letivo 2017-18 Unidade Curricular PROGRAMAÇÃO ORIENTADA POR OBJETOS Cursos ENGENHARIA INFORMÁTICA (1.º ciclo) ENGENHARIA ELETRÓNICA E TELECOMUNICAÇÕES (Mestrado
Leia maisCRÉDITOS DO CURSO. Carga Horária Créditos IN1030 Seminários 30 2
UNIVERSIDADE FEDERAL DE PERNAMBUCO PRÓ-REITORIA PARA ASSUNTOS DE PESQUISA E PÓS-GRADUAÇÃO ESTRUTURA CURRICULAR STRICTO SENSU (baseada na Res. 10/2008 do CCEPE) NOME DO CURSO: Pós-Graduação em Ciência da
Leia maisPós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO
Pós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO AULA 8 Redes Neurais Introdução As redes neurais são um tema da computação altamente inspirada na natureza que nos
Leia maisIntrodução à Ciência da Computação
1 Universidade Federal Fluminense Campus de Rio das Ostras Curso de Ciência da Computação Introdução à Ciência da Computação Professor: Leandro Soares de Sousa e-mail: leandro.uff.puro@gmail.com site:
Leia maisRedes Neurais (Inteligência Artificial)
Redes Neurais (Inteligência Artificial) Apresentação da Disciplina Edirlei Soares de Lima O que é Inteligência Artificial? O que é Inteligência Artificial? Área de pesquisa que tem
Leia maisFundamentos de Mineração de Dados
Fundamentos de Mineração de Dados Prof. Ricardo Fernandes ricardo.asf@ufscar.br O que é Mineração de Dados? Uso de ferramentas matemáticas, clássicas ou inteligentes, no processo de descoberta de conhecimento
Leia maisDesafios que a IA Enfrenta
Desafios que a IA Enfrenta Helder Coelho BioISI, Mind-Brain College, Ulisboa IST, Edifício 7, Novembro 17, 2017 1 Science journal, July 7, 2017 (IA atrás do processo de descoberta) Saude Saúde, Meteorologia,
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Introdução Alessandro L. Koerich 2008 Mestrado/Doutorado em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Mestrado/Doutorado em Informática Aprendizagem de Máquina
Leia maisO ENSINO DOS NOVOS CONTEÚDOS DE INFORMÁTICA E COMPUTAÇÃO NAS ENGENHARIAS
O ENSINO DOS NOVOS CONTEÚDOS DE INFORMÁTICA E COMPUTAÇÃO NAS ENGENHARIAS Camilo de Lelis Gondim Medeiros camilo@dsc.ufcg.edu.br Departamento de Sistemas e Computação Centro de Ciências e Tecnologia Universidade
Leia maisAprendizado indutivo. Marcelo K. Albertini. 17 de Abril de 2014
Aprendizado indutivo Marcelo K. Albertini 17 de Abril de 2014 2/22 Aprendizado indutivo O que é? Porque é difícil? Como podemos resolver problemas de indução? 3/22 Aprendizado supervisionado Temos: exemplos
Leia mais2. Redes Neurais Artificiais
Computação Bioinspirada - 5955010-1 2. Redes Neurais Artificiais Prof. Renato Tinós Depto. de Computação e Matemática (FFCLRP/USP) 1 2.1. Introdução às Redes Neurais Artificiais (RNAs) 2.1.1. Motivação
Leia maisUFSC Universidade Federal de Santa Catarina CTC Centro Tecnológico INE Departamento de Informática e Estatística
UFSC Universidade Federal de Santa Catarina CTC Centro Tecnológico INE Departamento de Informática e Estatística INE6105-Introdução à Robótica Prof. Mauro Roisemberg Arkin. Ronald C. Behavior-Based Robotics
Leia maisTabela de Pré-Requisitos. Interdisciplinar 36 Não há
Nome da UC Categoria CH Total Pré-Requisitos Álgebra Linear Eletiva 72 Geometria Analítica Álgebra Linear Computacional Eletiva 72 Cálculo Numérico Álgebra Linear II Eletiva 72 Álgebra Linear Algoritmos
Leia maisRedes Neurais e Sistemas Fuzzy
1. Inteligência Computacional Redes Neurais e Sistemas Fuzzy Apresentação da disciplina Conceitos básicos A chamada Inteligência Computacional (IC) reúne uma série de abordagens e técnicas que tentam modelar
Leia maisWorkshop de Inteligência Artificial e Redes Neurais
Workshop de Inteligência Artificial e Redes Neurais Matheus Facure Alves Sumário 1 Introdução 2 Aprendizado de Máquina Essencial 3 Deep Learning 4 Código 5 Considerações Finais Desmistificando Aprendizado
Leia maisMATRIZ CURRICULAR BACHARELADO EM ENGENHARIA DA COMPUTAÇÃO. 1º Período
MATRIZ CURRICULAR BACHARELADO EM ENGENHARIA DA COMPUTAÇÃO 1º Período Código Disciplina CHT 1 CHP 2 CH Total Pré-requisitos Dados I 40 40 80 - Cálculo I 80-80 - Fundamentos da Computação 40-40 - Fundamentos
Leia maisDISTRIBUIÇÃO DE SALAS 1º SEMESTRE DE 2017
DISTRIBUIÇÃO DE SALAS 1º SEMESTRE DE 2017 Ciência da Computação Poderão ocorrer algumas alterações - Atualizado em 27/03/2017 DISCIPLINA CÓDIGO TURMA SALA HORÁRIO 001 Lab. 4a. 07:30-09:10 001 2054 2a.
Leia maisCC-226 Introdução à Análise de Padrões
CC-226 Introdução à Análise de Padrões Apresentação do Curso Carlos Henrique Q. Forster 1 1 Divisão de Ciência da Computação Instituto Tecnológico de Aeronáutica 25 de fevereiro de 2008 C. H. Q. Forster
Leia maisLinguagens Formais e Autômatos (BBC242) Professor: Anderson Almeida Ferreira DECOM-UFOP
Linguagens Formais e Autômatos (BBC242) Professor: Anderson Almeida Ferreira DECOM-UFOP Ementa Gramáticas. Linguagens Regulares, Livres-de-Contexto e Sensíveis-ao- Contexto. Tipos de Reconhecedores. Operações
Leia maisFigura: Capa do Livro Russell, S., Norvig, P. Artificial Intelligence A Modern Approach, Prentice-Hall.
Figura: Capa do Livro Russell, S., Norvig, P. Artificial Intelligence A Modern Approach, Prentice-Hall. Universidade Federal de Campina Grande Departamento de Sistemas e Computação Curso de Bacharelado
Leia maisSERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
Matriz Curricular FGGCOMP - Bacharelado em Ciência da Computação 0. Disciplinas Obrigatórias FGGCOMP.00 Cálculo I FGGELET.00 - Cálculo I / FGGMATE.00 - Cálculo Diferencial e Integral I FGGCOMP.00 Geometria
Leia maisSERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
Matriz Curricular FGGCOMP - Bacharelado em Ciência da Computação 0. Disciplinas Obrigatórias FGGCOMP.00 Cálculo I FGGELET.00 - Cálculo I / FGGMATE.00 - Cálculo Diferencial e Integral I FGGCOMP.00 Geometria
Leia maisSERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
Matriz Curricular FGGCOMP - Bacharelado em Ciência da Computação 0. Disciplinas Obrigatórias FGGCOMP.00 Cálculo I FGGELET.00 - Cálculo I / FGGMATE.00 - Cálculo Diferencial e Integral I FGGCOMP.00 Geometria
Leia maisAprendizagem de Máquina
Plano de Aula Aprendizagem de Máquina Aula 1 Alessandro L. Koerich Introdução Mestrado em Informática Aplicada Pontifícia Universidade Católica do Paraná (PUCPR) Introdução à Aprendizagem de Máquina Por
Leia maisRedes Neurais (Inteligência Artificial)
Redes Neurais (Inteligência Artificial) Aula 13 Support Vector Machines (SVM) Edirlei Soares de Lima Formas de Aprendizado Aprendizado Supervisionado Árvores de Decisão. K-Nearest
Leia maisscikit-learn: Aprendizado de máquina 101 com Python
scikit-learn: Aprendizado de máquina 101 com Python Luciana Fujii Campus Party BH 2016 1 / 30 Introdução Aprendizado de máquina Aprendizado de máquina é o campo da ciência da computação que dá aos computadores
Leia maisMINISTÉRIO DA EDUCAÇÃO
MINISTÉRIO DA EDUCAÇÃO Fundação Universidade Federal do ABC Conselho de Ensino, Pesquisa e Extensão ConsEPE Av. dos Estados, 5001 Bairro Bangu Santo André - SP CEP 09210-580 Fone: (11) 3356.7636 conselhos.superiores@ufabc.edu.br
Leia maisPROCESSAMENTO DE TEXTO
PROCESSAMENTO DE TEXTO (TEXT MINING) Jorge Teixeira IART 2014/2015 SAPO LABS ( http://labs.sapo.pt ) AGENDA (Enquadramento na UC de Inteligência Artificial - IART) Parte 1: Introdução à Linguagem Natural
Leia maisChristopher Bishop, Pattern Recognition and Machine Learning, Springer, 2006 capítulo 14
Combinação de modelos Christopher Bishop, Pattern Recognition and Machine Learning, Springer, 2006 capítulo 4 Motivação Habitualmente, experimenta-se vários algoritmos (ou o mesmo com diferentes hiperparâmetros)
Leia maisMáquinas de Vetores de Suporte Aplicadas à Classificação de Defeitos em Couro Bovino
Máquinas de Vetores de Suporte Aplicadas à Classificação de Defeitos em Couro Bovino Ricardo Cezar Bonfim Rodrigues 24 de abril de 2006 1 Antecedentes e Justificativa Hoje, em diversos processos industriais,
Leia maisALGORITMOS E LÓGICA DE PROGRAMAÇÃO PRÉ AULA DIAGNÓSTICO 22/10/2015. Analise o algoritmo a seguir e depois assinale a alternativa correspondente:
ALGORITMOS E LÓGICA DE PROGRAMAÇÃO Prof. Esp. Fabiano Taguchi http://fabianotaguchi.wordpress.com fabianotaguchi@gmail.com PRÉ AULA Julgue as afirmações enumeradas a seguir em verdadeiras (V) ou falsas
Leia maisUm Tutorial em processamento de sinais para EEG
Um Tutorial em processamento de sinais para EEG Técnicas para reconhecimento de estados mentais em Interfaces Cérebro-Computador Grupo de Pesquisa em Computação Musical - IME/USP March 14, 2016 Interfaces
Leia maisIF-705 Automação Inteligente Sistemas de Controle - Fundamentos
IF-705 Automação Inteligente Sistemas de Controle - Fundamentos Aluizio Fausto Ribeiro Araújo Universidade Federal de Pernambuco Centro de Informática - CIn Departamento de Sistemas da Computação aluizioa@cin.ufpe.br
Leia maisFabrício Jailson Barth BandTec
Introdução à Inteligência Artificial Fabrício Jailson Barth fabricio.barth@bandtec.com.br BandTec 1 o semestre de 2012 Objetivos e Sumário O que é Inteligência Artificial (IA)? Objetivos da IA. Influência
Leia maisMACHINE LEARNING E DATA SCIENCE NA SAÚDE. aprendendo a usar as ferramentas da inovação sem precisar programação
MACHINE LEARNING E DATA SCIENCE NA SAÚDE aprendendo a usar as ferramentas da inovação sem precisar programação ü Comece a usar a ciência de dados em seus projetos rapidamente ü Conquiste a nuvem com suas
Leia maisAprendizado de Máquina
Aprendizado de Máquina Principais tópicos Aprendizado profundo André C P L F de Carvalho Posdoutorando: Isvani Frias-Blanco ICMC-USP Introdução Redes profundas Aprendizado profundo Redes autodecodificadoras
Leia maisMCZA Processamento de Linguagem Natural Laboratório: Classificação de textos
MCZA017-13 Processamento de Linguagem Natural Laboratório: Classificação de textos Prof. Jesús P. Mena-Chalco jesus.mena@ufabc.edu.br 1Q-2018 1 Bibliografia Daniel Jurafsky & James H. Martin. Speech and
Leia maisTÓPICOS EM INTELIGÊNCIA ARTIFICIAL INTRODUÇÃO
TÓPICOS EM INTELIGÊNCIA ARTIFICIAL INTRODUÇÃO Professor Ricardo Kerschbaumer ricardo.kerschbaumer@ifc.edu.br http://professor.luzerna.ifc.edu.br/ricardo-kerschbaumer/ Plano de Ensino http://professor.luzerna.ifc.edu.br/ricardo-kerschbaumer/
Leia maisPROBABILIDADES E ESTATÍSTICA E PROCESSOS ESTOCÁSTICOS
English version at the end of this document Ano Letivo 2017-18 Unidade Curricular PROBABILIDADES E ESTATÍSTICA E PROCESSOS ESTOCÁSTICOS Cursos ENGENHARIA INFORMÁTICA (1.º ciclo) Unidade Orgânica Faculdade
Leia maisClassificação Linear. André Tavares da Silva.
Classificação Linear André Tavares da Silva andre.silva@udesc.br Roteiro Introduzir os o conceito de classificação linear. LDA (Linear Discriminant Analysis) Funções Discriminantes Lineares Perceptron
Leia maisExame de Aprendizagem Automática
Exame de Aprendizagem Automática 2 páginas com 12 perguntas e 3 folhas de resposta. Duração: 2 horas e 30 minutos DI, FCT/UNL, 12 de Janeiro de 2017 Nota: O exame está cotado para 40 valores. Os 20 valores
Leia maisRESOLUÇÃO CONSEPE 46/99 ALTERA O PLANO CURRICULAR E O REGIME DO CURSO DE ENGENHARIA DE COMPUTAÇÃO, DO CÂMPUS DE ITATIBA.
RESOLUÇÃO CONSEPE 46/99 ALTERA O PLANO CURRICULAR E O REGIME DO CURSO DE ENGENHARIA DE COMPUTAÇÃO, DO CÂMPUS DE ITATIBA. O Presidente do Conselho de Ensino, Pesquisa e Extensão - CONSEPE, no uso da atribuição
Leia maisCurso de Engenharia Formação Geral 1º e 2º anos
Curso de Engenharia Formação Geral 1º e 2º anos DISCIPLINA 1º Bimestre Introdução à Engenharia 40 Informática 40 Matemática 80 Produção de Textos 40 2º Bimestre Cálculo I 80 Física I 80 Inglês 20 Metodologia
Leia mais