| Ementa/Descrição: |
Introdução ao aprendizado estatístico e suas aplicações.
Princípios estatísticos para aprendizado de máquina.
Modelos probabilísticos e inferência estatística.
Modelos de aprendizado estatístico, incluindo regressão linear, regressão logística, árvores de
decisão, redes neurais e métodos de ensemble.
Avaliação de modelos de aprendizado, métricas de desempenho e validação cruzada.
Aprendizado não supervisionado, incluindo clusterização e redução de dimensionalidade.
Análise de dados multivariados e técnicas de análise exploratória.
Técnicas avançadas em aprendizado estatístico, como modelos de mistura, processos
gaussianos e inferência bayesiana. |
