Aprendizagem de Máquina
|
|
- Carolina Vilalobos Nunes
- 8 Há anos
- Visualizações:
Transcrição
1 Aprendizagem de Máquina Alessandro L. Koerich Programa de Pós-Graduação em Informática Pontifícia Universidade Católica do Paraná (PUCPR)
2 Horários Aulas Sala [quinta-feira, 7:30 12:00] Atendimento Segunda a sexta pela manhã. Recomenda se marcar um horário com antecedência. Contato alekoe@ppgia.pucpr.br
3 Apresentação da Disciplina Aprendizagem de Máquina Sendo uma área de sistemas inteligentes, aprendizagem de máquina (ou machine learning) trata do desenvolvimento de algoritmos e técnicas que permitem computadores aprender.
4 Apresentação da Disciplina Os métodos de aprendizagem de máquina tem sido empregados em problemas como: Processamento de linguagem natural Ferramentas de busca Diagnóstico médico Bioinformática Detecção de fraudes em transações financeiras Análise do mercado de ações Previsões financeiras Classificação de sequências de DNA Reconhecimento de voz e escritura Reconhecimento de objetos em visão computacional Jogos de entretenimento Mineração de dados em grandes bases de dados. Sistemas biométricos
5 Apresentação da Disciplina O objetivo desta disciplina é: Estudar os principais paradigmas para a aprendizagem de máquina, incluindo os aspectos teóricos e práticos de uma variedade de algoritmos e técnicas
6 Programa da Disciplina 1. Introdução a Aprendizagem de Máquina 2. Extração de Características 3. Árvores de Decisão 4. Aprendizagem Bayesiana 5. Baseada em Instâncias 6. Redes Neurais Artificiais 7. Máquinas de Vetor de Suporte 8. Combinação de Classificadores e Rejeição 1. Extração de Características 2. J Naïve Bayes 4. k-nn 5. SVM 6. MLP 7. Combinação & Rejeição Prática Teórica
7 Programa Introdução: Por que a Aprendizagem Computacional é Difícil? Problemas de Aprendizagem. Projetando um Sistema de Aprendizagem de Máquina. Exemplos. Tipos de Aprendizagem. Aplicações. Estudo de Casos. Extração de Características: Importância. Redução de Dimensionalidade. Características Discriminantes. Geração de Características Usando Transformadas Lineares. Características para a Análise de Imagens. Seleção de Características.
8 Programa Árvores de Decisão: Representação de Árvores de Decisão. Algoritmo ID3. Entropia e Ganho de Informação. Algoritmo C4.5. Exemplos. Aprendizagem Baseadas em Instâncias: Espaço Euclidiano. Aprendizagem Baseada em Instâncias. Regra k-nn (k vizinhos mais próximos). Exemplos. Estudo de Caso. Aprendizagem Bayesiana: Teorema de Bayes. Classificador Ótimo de Bayes. Algoritmo Naïve Bayes. Exemplos.
9 Programa Redes Neurais Artificiais: Motivação Biológica. Perceptron. Superfície de Decisão. Descida do Gradiente. Redes Multicamadas (Multilayer). Retropropagação (Backpropagation). Generalização e Sobreajuste. Exemplos. Máquinas de Vetor de Suporte: Classificação com máxima margem. Kernels e otimização. Combinação e Rejeição: Regras para combinação de classificadores. Critérios para rejeição.
10 Bibliografia T. M. Mitchell. Machine Learning. McGraw Hill Science/Engineering/Math, 432 pages,1997. R. O. Duda, P E. Hart, D. G. Stork. Pattern Classification. Wiley Interscience, S. Theodoridis, K. Koutroumbas. Pattern Recognition. Academic Press. 625 páginas, ISBN
11 Bibliografia Complementar Periódicos: IEEE Transactions on Neural Networks IEEE Transactions on PAMI Pattern Recognition Pattern Recognition Letters Conferências: ICPR: International Conference on Pattern Recognition CVPR: International Conference on Computer Vision and Pattern Recognition NIPS: Neural Information Processing Systems ICML: International Conference on Machine Learning Livros: Bishop, C. Neural Networks for Pattern Recognition, Vapnik, V. The Nature of Statistical Learning Theory, 1995.
12 Avaliação Dois trabalhos práticos: Trabalho 1: Extração de Características Trabalho 2: Classificação Nota Final: (Trabalho 1 + Trabalho 2) / 2 Conceitos: A: 9,0-10 B: 8,0-8,9 C: 7,0-7,9 D: < 7,0
13 Requisitos Em todas as aulas: Notebook com Windows e Visual C++ Express Outros sistemas e IDE são aceitas, sob conta e risco dos alunos. Softwares que serão usados Microsoft Visual C++ Express 2010 Biblioteca OpenCV Simulador Weka Simulador JavaNNS ou SNNS
Aprendizagem 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
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 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 maisMarcelo K. Albertini. 17 de Abril de 2014
Introdução a Mineração de Dados Marcelo K. Albertini 17 de Abril de 2014 2/1 Organização do curso Prof. Marcelo Keese Albertini Sala: Bloco 1A - sala 1A230 Horário de atendimento: Sexta-feira 14h-17h ou
Leia maisIN0997 - 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 Ementa
Leia maisPós-Graduação em Engenharia Elétrica Inteligência Artificial
Pós-Graduação em Engenharia Elétrica Inteligência Artificial João Marques Salomão Rodrigo Varejão Andreão Inteligência Artificial Definição (Fonte: AAAI ): "the scientific understanding of the mechanisms
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 maisAplicação de Ensembles de Classificadores na Detecção de Patologias na Coluna Vertebral
Aplicação de Ensembles de Classificadores na Detecção de Patologias na Coluna Vertebral Hedenir M. Pinheiro Instituto de Informática Universidade Federal de Goiás (UFG) Caixa Postal 131 74001-970 Goiânia
Leia maisUNIVERSIDADE PRESBITERIANA MACKENZIE Faculdade de Computação e Informática MATRIZ CURRICULAR ELETIVAS
MATRIZ CURRICULAR S LIVRE ESCOLHA Núcleo Temático: HUMANAS Disciplina: LÍNGUA BRASILEIRA DE SINAIS 34 h/a (.34 ) Teóricas Etapa: 4ª Compreensão de aspectos composicionais da Língua Brasileira de Sinais
Leia maisData Mining II Modelos Preditivos
Data Mining II Modelos Preditivos Prof. Doutor Victor Lobo Mestre André Melo Mestrado em Estatística e Gestão de Informação Objectivo desta disciplina Fazer previsões a partir de dados. Conhecer os principais
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Tipos de aprendizagem 3. Paradigmas de aprendizagem 4. Modos de aprendizagem
Leia maisTÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE
TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto Estudos Comparativos Recentes - Behavior Scoring Roteiro Objetivo Critérios de Avaliação
Leia maisUniversidade Tecnológica Federal do Paraná UTFPR Programa de Pós-Graduação em Computação Aplicada Disciplina de Mineração de Dados
Universidade Tecnológica Federal do Paraná UTFPR Programa de Pós-Graduação em Computação Aplicada Disciplina de Mineração de Dados Prof. Celso Kaestner Poker Hand Data Set Aluno: Joyce Schaidt Versão:
Leia maisPLANO DE ENSINO. Mestrado em Matemática - Área de Concentração em Estatística
1. IDENTIFICAÇÃO PLANO DE ENSINO Disciplina: Estatística Multivariada Código: PGMAT568 Pré-Requisito: No. de Créditos: 4 Número de Aulas Teóricas: 60 Práticas: Semestre: 1º Ano: 2015 Turma(s): 01 Professor(a):
Leia maisAplicações Práticas com Redes Neurais Artificiais em Java
com em Java Luiz D Amore e Mauro Schneider JustJava 2009 17 de Setembro de 2009 Palestrantes Luiz Angelo D Amore luiz.damore@metodista.br Mauro Ulisses Schneider mauro.schneider@metodista.br http://blog.mauros.org
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 maisAprendizado de Máquina
Referências Aula 1 http://www.ic.uff.br/~bianca/aa/ Slides das aulas: na página http://www.ic.uff.br/~bianca/aa/ Livro-texto: Machine Learning Tom M. Mitchell McGraw-Hill, 1997 http://www.cs.cmu.edu/~tom/mlbook.html
Leia maisPALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron.
1024 UMA ABORDAGEM BASEADA EM REDES PERCEPTRON MULTICAMADAS PARA A CLASSIFICAÇÃO DE MASSAS NODULARES EM IMAGENS MAMOGRÁFICAS Luan de Oliveira Moreira¹; Matheus Giovanni Pires² 1. Bolsista PROBIC, Graduando
Leia maisMLP (Multi Layer Perceptron)
MLP (Multi Layer Perceptron) André Tavares da Silva andre.silva@udesc.br Roteiro Rede neural com mais de uma camada Codificação de entradas e saídas Decorar x generalizar Perceptron Multi-Camada (MLP -
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 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 maisInteligência Computacional [2COP229]
Inteligência Computacional [2COP229] Mestrado em Ciência da Computação Sylvio Barbon Jr barbon@uel.br (2/24) Tema Aula 1 Introdução ao Reconhecimento de Padrões 1 Introdução 2 Componentes clássicos da
Leia maisProfs. Luiz Laranjeira, Nilton Silva, e Fabrício Braz
Laboratório de Dependabilidade e Segurança Lades Profs. Luiz Laranjeira, Nilton Silva, e Fabrício Braz RENASIC/CD-CIBER CD Ciber CTC - Comitê Técnico Científico RENASIC CD Comitê Diretor ASTECA VIRTUS
Leia mais17/10/2012. dados? Processo. Doutorado em Engenharia de Produção Michel J. Anzanello. Doutorado EP - 2. Doutorado EP - 3.
Definição de Data Mining (DM) Mineração de Dados (Data Mining) Doutorado em Engenharia de Produção Michel J. Anzanello Processo de explorar grandes quantidades de dados à procura de padrões consistentes
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 maisMINERAÇÃO DE DADOS PARA DETECÇÃO DE SPAMs EM REDES DE COMPUTADORES
MINERAÇÃO DE DADOS PARA DETECÇÃO DE SPAMs EM REDES DE COMPUTADORES Kelton Costa; Patricia Ribeiro; Atair Camargo; Victor Rossi; Henrique Martins; Miguel Neves; Ricardo Fontes. kelton.costa@gmail.com; patriciabellin@yahoo.com.br;
Leia maisAula 2 RNA Arquiteturas e Treinamento
2COP229 Aula 2 RNA Arquiteturas e Treinamento 2COP229 Sumário 1- Arquiteturas de Redes Neurais Artificiais; 2- Processos de Treinamento; 2COP229 1- Arquiteturas de Redes Neurais Artificiais -Arquitetura:
Leia maisPredição da Resposta ao Tramento Anti- Retroviral de Pacientes portadores do vírus HIV-1 através de Redes Neurais Artificiais
Universidade Federal de Pernambuco UFPE Centro de Informática CIn Pós-graduação em Ciência da Computação Princípios e Técnicas da Análise Estatística Experimental Predição da Resposta ao Tramento Anti-
Leia maisBIG DATA INTRODUÇÃO. Humberto Sandmann humberto.sandmann@gmail.com
BIG DATA INTRODUÇÃO Humberto Sandmann humberto.sandmann@gmail.com Apresentação Humberto Sandmann humberto.sandmann@gmail.com Possui graduação em Ciências da Computação pelo Centro Universitário da Faculdade
Leia maisUNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS
UNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS Curso: Informática Disciplina: Redes Neurais Prof. Fernando Osório E-mail: osorio@exatas.unisinos.br EXEMPLO DE QUESTÕES DE PROVAS ANTIGAS 1. Supondo que
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 maisUNIVERSIDADE F EDERAL DE P ERNAMBUCO ANÁLISE DE UM MÉTODO PARA DETECÇÃO DE PEDESTRES EM IMAGENS PROPOSTA DE TRABALHO DE GRADUAÇÃO
UNIVERSIDADE F EDERAL DE P ERNAMBUCO GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO CENTRO DE INFORMÁTICA 2010.2 ANÁLISE DE UM MÉTODO PARA DETECÇÃO DE PEDESTRES EM IMAGENS PROPOSTA DE TRABALHO DE GRADUAÇÃO Aluno!
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Alessandro L. Koerich Algoritmo k Means Mestrado/Doutorado em Informática (PPGIa) Pontifícia Universidade Católica do Paraná (PUCPR) 2 Problema do Agrupamento Seja x = (x 1, x 2,,
Leia maisAprendizagem de Máquina
Introdução Aprendizagem de Máquina Alessandro L. Koerich Introdução Desde que os computadores foram inventados temos nos perguntado: Eles são capazes de aprender? Se pudéssemos programá-los para aprender
Leia maisRedes Neurais. Profa. Flavia Cristina Bernardini
Redes Neurais Profa. Flavia Cristina Bernardini Introdução Cérebro & Computador Modelos Cognitivos Diferentes Cérebro Computador Seqüência de Comandos Reconhecimento de Padrão Lento Rápido Rápido Lento
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Tipos de aprendizagem 3. Paradigmas de aprendizagem 4. Modos de aprendizagem
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Alessandro L. Koerich Programa de Pós-Graduação em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Redes Neurais Artificiais Plano de Aula Introdução Motivação Biológica
Leia maisUma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro
Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro Tiago Mendes Dantas t.mendesdantas@gmail.com Departamento de Engenharia Elétrica,
Leia maisUTILIZANDO O SOFTWARE WEKA
UTILIZANDO O SOFTWARE WEKA O que é 2 Weka: software livre para mineração de dados Desenvolvido por um grupo de pesquisadores Universidade de Waikato, Nova Zelândia Também é um pássaro típico da Nova Zelândia
Leia maisProjeto Pedagógico do Bacharelado em Ciência da Computação. Comissão de Curso e NDE do BCC
Projeto Pedagógico do Bacharelado em Ciência da Computação Comissão de Curso e NDE do BCC Fevereiro de 2015 Situação Legal do Curso Criação: Resolução CONSU no. 43, de 04/07/2007. Autorização: Portaria
Leia maisSegmentação de imagens tridimensionais utilizando o sensor Microsoft Kinect
Segmentação de imagens tridimensionais utilizando o sensor Microsoft Kinect Lucas Viana Barbosa 1 ; Wanderson Rigo 2 ; Manassés Ribeiro 3 INTRODUÇÃO Os sistemas de visão artificial vêm auxiliando o ser
Leia maisClassificação de páginas da Internet utilizando redes neurais artificiais.
Classificação de páginas da Internet utilizando redes neurais artificiais. Genilto Dallo Departamento de Ciência da Computação (DECOMP) Universidade Estadual do Centro-Oeste (UNICENTRO) Guarapuava, PR
Leia mais1. Introdução 2. Séries Temporais
1. Introdução Predição de valores de ações é uma tarefa desafiadora na área de predição de séries temporais financeiras, devido à grande quantidade de variáveis que envolvem essas predições. No passado,
Leia maisAnálise e visualização de dados utilizando redes neurais artificiais auto-organizáveis
Análise e visualização de dados utilizando redes neurais artificiais auto-organizáveis Adriano Lima de Sá Faculdade de Computação Universidade Federal de Uberlândia 20 de junho de 2014 Adriano L. Sá (UFU)
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Alessandro L. Koerich Programa de Pós-Graduação em Engenharia Elétrica Universidade Federal do Paraná (UFPR) Redes Neurais Artificiais Plano de Aula Introdução Motivação Biológica
Leia maisAvaliação de classificadores na classificação de radiografias de tórax para o diagnóstico de pneumonia infantil
UNIVERSIDADE FEDERAL DE GOIÁS INSTITUTO DE INFORMÁTICA RAFAEL TEIXEIRA SOUSA Avaliação de classificadores na classificação de radiografias de tórax para o diagnóstico de pneumonia infantil Goiânia 2013
Leia maisESTUDO COMPARATIVO ENTRE CLASSIFICADORES APLICADOS NUM SISTEMA BIOMÉTRICO DE IDENTIFICAÇÃO PELA GEOMETRIA DA MÃO.
ESTUDO COMPARATIVO ENTRE CLASSIFICADORES APLICADOS NUM SISTEMA BIOMÉTRICO DE IDENTIFICAÇÃO PELA GEOMETRIA DA MÃO. Lucas Teló 1, Laurentino Augusto Dantas 1 1 Curso de Sistemas de Informação - UNIPAR -
Leia maisSistemas de Apoio à Decisão
Sistemas de Apoio à Decisão Data Mining & Optimização Victor Lobo Objectivos gerais Abrir horizontes em temas actuais Aprender técnicas usadas em Sistemas de apoio à decisão ou Business Intelligence Métodos
Leia maisReconhecimento de ações humanas utilizando histogramas de gradiente e vetores de tensores localmente agregados
Reconhecimento de ações humanas utilizando histogramas de gradiente e vetores de tensores localmente agregados Luiz Maurílio da Silva Maciel 1, Marcelo Bernardes Vieira 1 1 Departamento de Ciência da Computação
Leia maisREDES NEURAIS PARA IDENTIFICAÇÃO DE PADRÕES NA DETECÇÃO DE QUEIMADAS NA FLORESTA AMAZÔNICA
REDES NEURAIS PARA IDENTIFICAÇÃO DE PADRÕES NA DETECÇÃO DE QUEIMADAS NA FLORESTA AMAZÔNICA Luiz Pinheiro Duarte Neto 1, Lauro Yasumasa Nakayama 2, Juliano João Bazzo 3 1 Instituto Nacional de Pesquisas
Leia maisUNIVERSIDADE FEDERAL DE LAVRAS PRÓ-REITORIA DE PÓS-GRADUAÇÃO COORDENADOR1A DE PÓS-GRADUAÇÃO STHCTOSBJSU DISCIPLINA
UNIVERSIDADE FEDERAL DE LAVRAS PRÓ-REITORIA DE PÓS-GRADUAÇÃO COORDENADOR1A DE PÓS-GRADUAÇÃO STHCTOSBJSU DISCIPLINA Código Denominação Crédito(s) n Carga Horária Teórica Prática Total PCC-XXX 5Q3 Processamento
Leia maisPós-Graduação "Lato Sensu" Especialização em Análise de Dados e Data Mining
Pós-Graduação "Lato Sensu" Especialização em Análise de Dados e Data Mining Inscrições Abertas Início das Aulas: 24/03/2015 Dias e horários das aulas: Terça-Feira 19h00 às 22h45 Semanal Quinta-Feira 19h00
Leia maisRedes Neurais Construtivas. Germano Crispim Vasconcelos Centro de Informática - UFPE
Redes Neurais Construtivas Germano Crispim Vasconcelos Centro de Informática - UFPE Motivações Redes Feedforward têm sido bastante utilizadas em aplicações de Reconhecimento de Padrões Problemas apresentados
Leia maisData, Text and Web Mining
Data, Text and Web Mining Fabrício J. Barth TerraForum Consultores Junho de 2010 Objetivo Apresentar a importância do tema, os conceitos relacionados e alguns exemplos de aplicações. Data, Text and Web
Leia maisOBJETIVOS. Aplicar técnicas de inteligência artificial na solução de problemas de controle e automação. EMENTA
Curso: ENGENHARIA ELÉTRICA Unidade Curricular: INTELIGÊNCIA ARTIFICIAL Professor(es): HANS ROLF KULITZ Período Letivo: OPTATIVA Carga Horária: 30 h TEÓRICAS E 30 h PRÁTICA OBJETIVOS Geral: Aplicar técnicas
Leia maisInteligência Artificial
Inteligência Artificial As organizações estão ampliando significativamente suas tentativas para auxiliar a inteligência e a produtividade de seus trabalhadores do conhecimento com ferramentas e técnicas
Leia maisFACEID - Sistema de Reconhecimento de Faces
FACEID - Sistema de Reconhecimento de Faces 1 R.Q. Feitosa, 2 C.V.Pereira, 1 Pontifícia Universidade Católica do Rio de Janeiro, Depto Eng. Elétrica 1,2 Universidade do Estado do Rio de Janeiro, Depto
Leia maisINF 1771 Inteligência Artificial
Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 12 Aprendizado de Máquina Agentes Vistos Anteriormente Agentes baseados em busca: Busca cega Busca heurística Busca local
Leia maisExtração de Árvores de Decisão com a Ferramenta de Data Mining Weka
Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka 1 Introdução A mineração de dados (data mining) pode ser definida como o processo automático de descoberta de conhecimento em bases de
Leia maisP R O J E T O D E P E S Q U I S A IDENTIFICAÇÃO
M I N I S T É R I O D A E D U C A Ç Ã O UNIVERSIDADE FEDERAL DE OURO PRETO P ró-reitoria de Pesquisa e Pós-Graduação Universidade Federal de Ouro Preto P R O J E T O D E P E S Q U I S A IDENTIFICAÇÃO Título:
Leia maisFUNDAÇÃO DE APOIO AO ENSINO TÉCNICO DO ESTADO DO RIO DE JANEIRO FAETERJ Petrópolis Área de Extensão PLANO DE CURSO
FUNDAÇÃO DE APOIO AO ENINO TÉCNICO DO ETADO DO RIO DE JANEIRO PLANO DE CURO 1. Identificação Curso de Extensão: INTRODUÇÃO AO ITEMA INTELIGENTE Professor Regente: José Carlos Tavares da ilva Carga Horária:
Leia maisAnálise de Técnicas Computacionais para Classificação de Emoções
Análise de Técnicas Computacionais para Classificação de Emoções Fabiano Alves, Eduardo Silva e Adilmar Coelho Dantas Faculdade de Computação Universidade Federal de Uberlândia, UFU Uberlândia, Brasil
Leia maisAutomatização do processo de determinação do número de ciclos de treinamento de uma Rede Neural Artificial
Automatização do processo de determinação do número de ciclos de treinamento de uma Rede Neural Artificial André Ricardo Gonçalves 1, Maria Angélica de Oliveira Camargo Brunetto 2 1,2 Laboratório de Pesquisa
Leia maisREDES NEURAIS ARTIFICIAIS E MODELO DE MARKOWITZ: COMPARANDO TÉCNICAS QUE APÓIAM A TOMADA DE DECISÃO NOS INVESTIMENTOS EM AÇÕES.
REDES NEURAIS ARTIFICIAIS E MODELO DE MARKOWITZ: COMPARANDO TÉCNICAS QUE APÓIAM A TOMADA DE DECISÃO NOS INVESTIMENTOS EM AÇÕES. Paulo Henrique Kaupa (Uninove) paulo.kaupa@gmail.com Renato Jose Sassi (Uninove)
Leia maisNOTA À 2ª EDIÇÃO... VII PREFÁCIO... IX. No Renascimento de uma Nova Era... IX PREÂMBULO... XIII. Organização do livro... xiii. Destinatários...
NOTA À 2ª EDIÇÃO... VII PREFÁCIO... IX No Renascimento de uma Nova Era... IX Índice PREÂMBULO... XIII Organização do livro... xiii Destinatários... xiv Utilização do livro... xiv Agradecimentos... xiv
Leia maisAlgoritmos Indutores de Árvores de
Algoritmos Indutores de Árvores de Decisão Fabrício J. Barth Sistemas Inteligentes Análise e Desenvolvimento de Sistemas Faculdades de Tecnologia Bandeirantes Abril de 2013 Problema: Diagnóstico para uso
Leia maisCategorização de Textos baseada em Conceitos
Pontifícia Universidade Católica do Rio Grande do Sul Faculdade de Informática Programa de Pós-Graduação em Ciência da Computação Encontro de PLN Categorização de Textos baseada em Conceitos Silvia Maria
Leia maisIntrodução aos Sistemas de Informação. Departamento de Engenharia Rural Centro de Ciências Agrárias - UFES Bruno Vilela Oliveira bruno@cca.ufes.
Introdução aos Sistemas de Informação Departamento de Engenharia Rural Centro de Ciências Agrárias - UFES Bruno Vilela Oliveira bruno@cca.ufes.br Nesta aula Apresentação da disciplina Avaliação Recursos
Leia maisWeb Data Mining com R
Web Data Mining com R Fabrício J. Barth fabricio.barth@gmail.com VAGAS Tecnologia e Faculdade BandTec Maio de 2014 Objetivo O objetivo desta palestra é apresentar conceitos sobre Web Data Mining, fluxo
Leia maisMestrado em Informática, tendo Inteligência Artificial como área de pesquisa.
André Montevecchi Graduado em Sistemas de Informação. Mestrado em Informática, tendo Inteligência Artificial como área de pesquisa. andre@montevecchi.com.br 1 Agenda Introdução Teste de Turing Robótica
Leia maistipos de métodos, técnicas de inteligência artificial e técnicas de otimização. Por fim, concluise com as considerações finais.
1. Introdução A previsão de vendas é fundamental para as organizações uma vez que permite melhorar o planejamento e a tomada de decisão sobre o futuro da empresa. Contudo toda previsão carrega consigo
Leia maisRenato Ramos da Silva RECONHECIMENTO DE IMAGENS DIGITAIS UTILIZANDO REDES NEURAIS ARTIFICIAIS
Renato Ramos da Silva RECONHECIMENTO DE IMAGENS DIGITAIS UTILIZANDO REDES NEURAIS ARTIFICIAIS Monografia de Graduação apresentada ao Departamento de Ciência da Computação da Universidade Federal de Lavras
Leia maisAula 02: Conceitos Fundamentais
Aula 02: Conceitos Fundamentais Profa. Ms. Rosângela da Silva Nunes 1 de 26 Roteiro 1. Por que mineração de dados 2. O que é Mineração de dados 3. Processo 4. Que tipo de dados podem ser minerados 5. Que
Leia maisClassificação de Imagens de Sensoriamento Remoto usando SVM
Raphael Belo da Silva Meloni Classificação de Imagens de Sensoriamento Remoto usando SVM Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do título de Mestre pelo Programa
Leia maisPROTÓTIPO PARA PREVISÃO DO MERCADO DE AÇÕES UTILIZANDO BANDAS DE BOLLINGER
PROTÓTIPO PARA PREVISÃO DO MERCADO DE AÇÕES UTILIZANDO BANDAS DE BOLLINGER Adriano Cassaniga Petry Prof. Roosevelt dos Santos Junior - Orientador ROTEIRO Introdução Objetivos Fundamentação Teórica Requisitos
Leia maisSIG. Uma plataforma para introdução de técnicas emergentes no planejamento urbano, regional e de transportes
SIG Uma plataforma para introdução de técnicas emergentes no planejamento urbano, regional e de transportes SIG Uma plataforma para introdução de técnicas emergentes no planejamento urbano, regional e
Leia maisClassificação de pacientes com transtorno de dislexia usando Redes Neurais Artificiais
Classificação de pacientes com transtorno de dislexia usando Redes Neurais Artificiais Raimundo José Macário Costa Programa de Engenharia de Sistemas, COPPE/UFRJ E-mail: macario@cos.ufrj.br Telma Silveira
Leia maisMINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br
MINERAÇÃO DE DADOS APLICADA Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br Processo Weka uma Ferramenta Livre para Data Mining O que é Weka? Weka é um Software livre do tipo open source para
Leia maisENS. FUNDAMENTAL II - I UNIDADE 6º s ANOS - MANHÃ
6º s ANOS - MANHÃ 03/03 06/03 12/03 17/03 20/03 24/03 26/03 Laboratório Empreendedorismo 5 5 5 5 5 As avaliações parciais das seguintes disciplinas: Empreendedorismo, e serão trabalhos realizados em sala
Leia maisTÉCNICAS DE APRENDIZAGEM DE MÁQUINA PARA PREVISÃO DE SUCESSO EM IMPLANTES DENTÁRIOS
TÉCNICAS DE APRENDIZAGEM DE MÁQUINA PARA PREVISÃO DE SUCESSO EM IMPLANTES DENTÁRIOS Trabalho de Conclusão de Curso Engenharia da Computação Nome do Aluno: Carolina Baldisserotto Orientador: Prof. Adriano
Leia maisVerificação de Qualidade de Imagens de Fundo de Olho a Partir de Descritores Baseados em Histogramas. Marina Silva Fouto - Reconhecimento de Padrões
Verificação de Qualidade de Imagens de Fundo de Olho a Partir de Descritores Baseados em Histogramas Marina Silva Fouto - Reconhecimento de Padrões Tópicos Importância Trabalhos Relacionados Imagens e
Leia maisTÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA
TÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA CATEGORIA: CONCLUÍDO ÁREA: ENGENHARIAS E ARQUITETURA SUBÁREA: ENGENHARIAS
Leia maisUNIVERSIDADE CATÓLICA PORTUGUESA Centro Regional das Beiras Pólo de Viseu Instituto Universitário de Desenvolvimento e Promoção Social
UNIVERSIDADE CATÓLICA PORTUGUESA Centro Regional das Beiras Pólo de Viseu Instituto Universitário de Desenvolvimento e Promoção Social DISCIPLINA Controlo Informático da Gestão LICENCIATURA Informática
Leia maisAutomatização do processo de determinação do número de ciclos de treinamento de uma Rede Neural Artificial
Automatização do processo de determinação do número de ciclos de treinamento de uma Rede Neural Artificial André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto Laboratório Protem Departamento
Leia maisFigura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001
47 5 Redes Neurais O trabalho em redes neurais artificiais, usualmente denominadas redes neurais ou RNA, tem sido motivado desde o começo pelo reconhecimento de que o cérebro humano processa informações
Leia maisFORMULÁRIO-SÍNTESE DA PROPOSTA - SIGProj EDITAL EDITAL A QUALQUER TEMPO 01/2013 PARTE I - IDENTIFICAÇÃO
UNIVERSIDADE DO ESTADO DE SANTA CATARINA PRÓ-REITORIA DE EXTENSÃO, CULTURA E COMUNIDADE FORMULÁRIO-SÍNTESE DA PROPOSTA - SIGProj EDITAL EDITAL A QUALQUER TEMPO 01/2013 Uso exclusivo da Pró-Reitoria (Decanato)
Leia maisCriando um modelo para extração terminológica automática
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL Instituto de Informática Departamento de Informática Aplicada INF01179 - Tópicos Especiais em Computação I - Mineração de Dados Professor: Paulo Martins Engel
Leia maisApresentação final do Trabalho de Conclusão -Novembro 2002. Autenticação On-line de assinaturas utilizando Redes Neurais. Milton Roberto Heinen
Apresentação final do Trabalho de Conclusão -Novembro 2002 Autenticação On-line de assinaturas utilizando Redes Neurais Milton Roberto Heinen miltonrh@ig.com.br Motivação Falta de segurança dos sistemas
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Alessandro L. Koerich Programa de Pós-Graduação em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Aprendizagem Baseada em Instâncias Plano de Aula Introdução Espaço
Leia maisIntrodução à Engenharia ENG1000
Introdução à Engenharia ENG1000 Apresentação Prof. Augusto Baffa Introdução à Engenharia Fundamentos do Projeto + Design de Jogos + Programação de Jogos Objetivos da Disciplina
Leia maisFabrício J. Barth. Apontador http://www.apontador.com.br http://www.apontador.com.br/institucional/ fabricio.barth@lbslocal.com
Uma Introdução à Mineração de Informações Fabrício J. Barth Apontador http://www.apontador.com.br http://www.apontador.com.br/institucional/ fabricio.barth@lbslocal.com Outubro de 2010 Objetivo Apresentar
Leia maisANÁLISE DE ASSINATURAS MANUSCRITAS BASEADA NOS PRINCÍPIOS DA GRAFOSCOPIA
CESAR ROBERTO SANTOS ANÁLISE DE ASSINATURAS MANUSCRITAS BASEADA NOS PRINCÍPIOS DA GRAFOSCOPIA Dissertação apresentada ao Programa de Pós- Graduação em Informática Aplicada da Pontifícia Universidade Católica
Leia maisPlano de Trabalho Docente 2015. Ensino Técnico
Plano de Trabalho Docente 2015 Ensino Técnico Etec Etec: Paulino Botelho Código: 091 Município: São Carlos Eixo Tecnológico: Informação e Comunicação Habilitação Profissional: Técnico em Programação de
Leia maisUma comparação do Estado da Arte de técnicas de
Uma comparação do Estado da Arte de técnicas de classificação com aplicações em finanças Porthos R. A. Motta 1 1 Universidade Federal de Goiás (UFG) Caixa Postal 131 74.001-970 Goiânia GO Brazil {porthos.motta}@gmail.com
Leia maisW. R. Silva Classificação de Mamografias pela densidade do tecido mamário
Classificação de Mamografias pela densidade do tecido mamário Welber Ribeiro da Silva Universidade Federal de Ouro Preto Campus Universitário, Ouro Preto MG Brazil 19 de Abril de 2012 Definição Câncer
Leia maisAprendizagem de Máquina. Redes Neurais Artificiais (RNAs)
Aprendizagem de Máquina Redes Neurais Artificiais (RNAs) Plano de Aula Introdução Motivação Biológica Perceptron Superfície de Decisão Descida do Gradiente Redes Multicamadas (Multilayer) Retropropagação
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 maisReconhecimento e Recuperação de Imagens Utilizando Redes Neurais Artificiais do Tipo MLP
Reconhecimento e Recuperação de Imagens Utilizando Redes Neurais Artificiais do Tipo MLP Túlio Cléber Bender 1, Fernando Santos Osório 1 1 Programa Interdisciplinar de Pós-Graduação em Computação Aplicada
Leia maisInteligência Computacional: resolvendo problemas difíceis da vida real
Instituto de Computação Semana Nacional da Ciência e Tecnologia Escola Agrotécnica Federal de Inconfidentes Inteligência Computacional: resolvendo problemas difíceis da vida real Carlos Eduardo de Andrade
Leia maisPrevisão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais
Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais Redes Neurais Artificiais Prof. Wilian Soares João Vitor Squillace Teixeira Ciência da Computação Universidade
Leia mais